T E S I S PARA OBTENER EL TÍTULO DE - UNAM · deslaves se ha asociado a eventos de precipitación...
140
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE INGENIERÍA CIVIL Y GEOMÁTICA REVISIÓN DE EVENTOS HIDROMETEOROLÓGICOS EXTREMOS EN ZONA CONTINENTAL MEXICANA DURANTE EL SIGLO XXI T E S I S PARA OBTENER EL TÍTULO DE: I N G E N I E R O C I V I L P R E S E N T A: ARIADNE SOFIA DRUST NACARINO DIRECTOR DE TESIS: DRA. MARITZA LILIANA ARGANIS JUÁREZ CIUDAD UNIVERSITARIA, MÉXICO D.F. 2013.
Transcript of T E S I S PARA OBTENER EL TÍTULO DE - UNAM · deslaves se ha asociado a eventos de precipitación...
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
FACULTAD DE INGENIERÍA
DIVISIÓN DE INGENIERÍA CIVIL Y GEOMÁTICA
REVISIÓN DE EVENTOS HIDROMETEOROLÓGICOS EXTREMOS
EN ZONA CONTINENTAL MEXICANA
DURANTE EL SIGLO XXI
T E S I S
PARA OBTENER EL TÍTULO DE:
I N G E N I E R O C I V I L
P R E S E N T A:
ARIADNE SOFIA DRUST NACARINO
DIRECTOR DE TESIS:
DRA. MARITZA LILIANA ARGANIS JUÁREZ
CIUDAD UNIVERSITARIA, MÉXICO D.F. 2013.
Agradecimientos
A la Universidad Nacional Autónoma de México, UNAM, por su apoyo decidido,
generoso y desinteresado durante mis estudios de licenciatura.
Al Instituto de Ingeniería en especial a la Dra. Maritza Liliana Arganis Juárez por su
paciencia, tiempo y dedicación durante mi estancia en el Instituto, por sus
comentarios y apoyo para la realización de este trabajo.
A mi madre, por ser el pilar más importante y por demostrarme siempre su cariño y
apoyo incondicional sin importar nuestras diferencias de opiniones, porque gracias a
su apoyo y consejo he llegado a realizar la más grande de mis metas, la cual es la
herencia más valiosa que pudiera recibir. Gracias por soportar tanto, por creer en
mí, gracias por ayudarme.
Al jurado del examen profesional integrado por: Dr. Ramón Domínguez Mora, Dra.
Maritza Liliana Arganis Juárez, M.I Eliseo Carrizosa Elizondo, Ing. Héctor
Legorreta Cuevas e Ing. Rodrigo Sepúlveda Takashi.
A mis amigas y personas muy importantes en mi vida: Elsa, Tere, Maty Pris, Wen,
Oscar, Gerard y Roland por acompañarme en este gran logro, gracias por todos
estos años a mi lado, por creer en mí, por la motivación, por su cariño, por siempre
levantarme el ánimo, por los buenos momentos vividos, mis locuras y mis errores.
Gracias.
ÍNDICE
Introducción ................................................................................... 1
Capítulo 1. Antecedentes .................................................................... 5
1.1 Introducción ............................................................................................................................................. 5
1.2 Planteamiento del problema ................................................................................................................. 6
1.3 Objetivo ..................................................................................................................................................... 9
1.4. Estudios internacionales sobre eventos extremos ...................................................................... 9
1.5. Referencias ............................................................................................................................................ 16
Capítulo 2. Eventos Hidrometeorológicos extremos........................................ 19
2.1. Introducción .......................................................................................................................................... 19
2.2. Eventos Extremos ............................................................................................................................... 19
2.2.1 Huracanes ....................................................................................................................................... 20
2.2.2 Precipitaciones ............................................................................................................................. 22
2.2.3 Inundaciones ................................................................................................................................. 23
2.2.4 Sequías ............................................................................................................................................ 24
2.3 Referencias ........................................................................................................................................... 27
Capítulo 3 Disponibilidad de datos en México .............................................. 29
3.1 Introducción ......................................................................................................................................... 29
3.2 Datos hidrométricos y climatológicos disponibles .................................................................. 30
3.2.1 Datos de la Comisión Nacional del Agua. ......................................................................... 33
3.2.1.1 Software y bases de datos disponibles ........................................................................... 35
3.2.2 Datos del Servicio Meteorológico Nacional. ................................................................ 37
3.2.2.1 Software y bases de datos disponibles. ......................................................................... 39
3.3 Referencias ........................................................................................................................................... 42
Capítulo 4 Metodologías para su estudio ................................................... 43
Introducción .................................................................................. 43
4.1 Huracanes ............................................................................................................................................... 43
4.2 Precipitaciones ..................................................................................................................................... 62
4.3 Inundaciones ......................................................................................................................................... 75
4.4. Sequías .................................................................................................................................................. 84
4.5 Referencias. ...................................................................................................................................... 93
Capítulo 5. Estudio de caso ................................................................. 98
5.1 Introducción .......................................................................................................................................... 98
5.2.2 Estudio de caso en Champotón, Campeche.......................................................................... 101
5.5 Referencias .......................................................................................................................................... 115
Capítulo 6 Conclusiones y Recomendaciones ............................................. 117
Referencias ................................................................................. 119
ANEXO 1 ................................................................................... 129
1
Introducción
En la última década los eventos hidrometeorológicos extremos han causado grandes estragos
en el mundo. El informe del panel intergubernamental de cambio climático (IPCC) proyecta que
el aumento en la temperatura debido al incremento de gases de efecto invernadero, producirá
un gran impacto en los recursos hídricos, acortando la duración del periodo de lluvias,
reduciendo la cubierta de nieve, incrementando el nivel del mar y aumentando la frecuencia de
los eventos extremos como inundaciones y sequías (IPCC, 2007). Según el IPCC, si se mantiene
la tendencia actual los daños mundiales serían catastróficos dado que el nivel del mar podría
subir de 15 a 95 cm para el año 2100. El incremento de un metro desplazaría a 70 millones de
personas en Bangladesh, sumergiría el 80 por ciento de las Islas Marshall y amenazaría las
costas sur atlánticas de los Estados Unidos y la zona costera de Japón. El derretimiento en el
Ártico afectaría los pueblos nativos del Norte de Canadá, y sería uno de los peores escenarios
de desastre para el hemisferio norte.
México no es la excepción, debido a su ubicación geográfica está expuesto a huracanes,
sequías, precipitaciones intensas, deslaves, heladas, inundaciones y olas de calor; los efectos
del cambio climático se han manifestado con una secuencia de desastres de origen
hidrometeorológico con graves daños para la sociedad mexicana. Por un lado se han presentado
sequías como las de 1997, 1998 y 2005 que provocaron incendios forestales y la pérdida de
cosechas. Por otro lado, los eventos de lluvias extremas se han intensificado desde 1999,
ocasionando grandes pérdidas humanas y económicas en todo el país sobre todo en el sureste
mexicano. (Soto et al, 2009)
Los eventos extremos afectan el centro y sur del país donde se encuentra la zona de mayor
marginación social. Los desastres se incrementan en México por factores como el incremento
de la población que hace que la demanda de agua también se incremente haciendo más
vulnerables aquellas comunidades y ciudades cuyo suministro de agua es limitado. Existe el
reconocimiento de la ONU sobre la inequidad en la distribución del servicio de abasto de agua
potable. Es bien sabido que el acceso inadecuado al agua constituye una parte esencial de la
pobreza de la población, afectando a sus necesidades básicas de salud, seguridad alimentaria y
sustento (ONU, 2003).
Otro factor es el crecimiento relativo de la pobreza, los sectores más desprotegidos de la
población resultan vulnerables a los desastres de origen meteorológico. Las zonas más
expuestas a huracanes, lluvias e inundaciones son los estados de Guerrero, Veracruz, Oaxaca y
Chiapas debido a la concentración de pobreza y marginación. (CONAPO 2003, 2006). Las
comunidades pobres sufren más dado que su capacidad de adaptación es muy limitada, los
procesos de recuperación ante los desastres son muy prolongados y muchas veces no
recuperan su patrimonio ni sus fuentes de subsistencia.
2
Dichos fenómenos han traído consigo históricamente, implicaciones de carácter
socioeconómico, como es el caso de los eventos de sequía (Endfield et al., 2004), el peligro de
deslaves se ha asociado a eventos de precipitación (Alcántara-Ayala, 2004); además de que
recientemente se analiza la posibilidad de que algunos de ellos, en particular los ciclones
tropicales, puedan ser fuentes de selección natural de algunas especies (Luja y Rodríguez,
2010). Por otro lado, las sequías, aunque generalmente de desarrollo más lento, provocan la
disminución en la producción agrícola y ganadera, y con ello el desabasto para la población y
pérdidas económicas que pueden llegar a ser muy significativas (Jiménez et al., 2010). De
acuerdo con el documento especial de riesgos hidrometeorológicos, desarrollado en mayo del
2011 en Oaxaca por el Centro de Información Estadística y Documental para el Desarrollo,
teniendo como fuente el Centro Nacional de Prevención de desastres, en los años 2003, 2005
y 2010 se han presentado las mayores declaratorias asociadas a eventos hidrometeorológicos,
siendo de 200,570 y 200,516 declaratorias, respectivamente.
Los fenómenos de el Niño y la Niña han causado condiciones extremas en el clima de nuestro
país; el Niño provoca condiciones de sequía en el verano en el centro de México, las lluvias en
el invierno se intensifican en el noroeste del país y en verano se debilitan, en la zona centro y
norte del país se incrementan los frentes fríos en invierno. En el caso de la Niña provoca lluvias
excesivas en el centro y sur del país, sequías en el norte de México, e inviernos con marcada
ausencia de lluvias.
Los huracanes que se presentan principalmente durante la temporada de lluvias se resienten en
las zonas costeras del Pacífico, Golfo y Caribe; se asocian lluvias intensas a este fenómeno las
cuales pueden causar inundaciones y deslaves no solamente en las costas, sino también en el
interior del territorio nacional. En promedio llegan unos 25 ciclones cada año, de éstos, 4 o 5
llegan a penetrar a territorio mexicano y a causar graves daños.
En los 2 espacios marítimos que rodean a la República Mexicana, océanos Pacífico y Atlántico,
hay 4 regiones matrices de generación de ciclones (CENAPRED, 2007).
La primera se ubica en el Golfo de Tehuantepec, inicia la actividad ciclónica durante la última
semana de mayo y por lo regular los ciclones tienden a irse al Oeste y se alejan de México. Los
que se generan de julio en adelante describen una parábola paralela a la costa del Pacífico y a
veces llegan a introducirse a tierra.
La segunda región está en el sur del Golfo de México, en la denominada Sonda de Campeche.
Los ciclones aparecen a partir de junio con ruta norte-noroeste y afectan los estados de
Veracruz y Tamaulipas.
La tercera región matriz está localizada en la región oriental del Mar Caribe y sus ciclones
surgen en julio y mayormente entre agosto y octubre. Estos ciclones son intensos y de largo
recorrido, afectan los estados de Yucatán y la península de Florida en Estados Unidos.
3
La cuarta región está en la zona tropical del Atlántico. Los ciclones de esta matriz se activan
en agosto y se dirigen al oeste penetrando en el Mar Caribe, Yucatán, Tamaulipas y Veracruz.
Estas regiones no son estables debido a su ubicación geográfica, ya que ésta obedece a la
posición de los centros de máximo calentamiento marítimo, que está influido por las corrientes
frías de California, la contracorriente cálida ecuatorial en el Pacífico y a la corriente cálida del
Golfo.
En nuestro país existen grandes variaciones en la disponibilidad de agua a lo largo del año.
Algunas regiones del país tienen precipitación abundante y baja densidad de población,
mientras que en otras ocurre exactamente lo contrario. El 68 % de la precipitación normal
mensual ocurre entre los meses de junio y septiembre. En la mayor parte del territorio la lluvia
es más intensa en verano y principalmente es de tipo torrencial (Ortiz et al., 2010).
Tabasco es la entidad más lluviosa, mientras que Baja California Sur es la más seca. En la mayor
parte de las entidades federativas, la precipitación ocurre predominantemente entre junio y
septiembre, con excepción de la península de Baja California, donde se presenta principalmente
en el invierno. (CONAGUA, 2008).
Al 31 de diciembre del 2009, la precipitación acumulada ocurrida en la República Mexicana
alcanzó una lámina de 649 mm, que fue 14.6 % inferior a la media histórica normal del periodo
1971 al 2000. (CONAGUA, 2011)
Las tormentas de granizo también llegan a causar daños severos tanto a la población como a
diversos sectores de la producción; en particular a la agricultura. Las zonas más afectadas de
México por tormentas de granizo son el altiplano de México y algunas regiones de Chiapas,
Guanajuato, Durango y Sonora. En el periodo comprendido de 1979 a 1988 el CENAPRED
reportó que, según registros de la Comisión Nacional del Agua, los estados que sufrieron más
daños en la agricultura fueron: Guanajuato (109, 767 ha), Chihuahua (56,355 ha), Tlaxcala
(51,616 ha), Nuevo León (37,837 ha) y Durango, (35,393 ha). Asimismo, dentro de estos
registros se estimó una población expuesta mayor a los 6 millones de habitantes, lo cual
representa cerca del 5% de la población total del país.
Los deslizamientos de masa de tierra pueden tener causas geológicas, dependiendo del tipo de
recubrimiento y pendiente del terreno, pero también se asocian o se ven favorecidos por
eventos de precipitación en un sitio dado por la infiltración de una parte del agua precipitada.
En México históricamente se han presentado deslaves que han ocasionado un número cuantioso
de pérdidas humanas, ejemplos de ellos fueron los deslizamientos ocurridos en los estados de
Hidalgo ( en el poblado de Meztitlán en el año 1991), En Guerrero (Deslizamientos de tierra
afectaron la bahía de Acapulco, tras el huracán Paulina en 1997) Puebla (Eventos de
precipitación provocaron enormes deslizamientos de tierra en la Sierra Norte, en 1999, 263
personas perdieron la vida y 1.5 millones de habitantes fueron afectados, lo cual representó al
4
30% de la población total del estado (Alcántara-Ayala,2004) y Chiapas (El Caído de Juan de
Grijalva, que sepultó a un poblado completo, en el año 2007). Es importante contar con planes
de prevención y protección civil que permitan mitigar los posibles impactos ante eventos de
esta naturaleza.
Contenido de los capítulos
En el capítulo 1 se plantea el problema motivo de este trabajo; se habla de los eventos
hidrometeorológicos extremos que ha sufrido el país a lo largo de la última década, el problema
al que se enfrenta México debido a su orografía, al cambio climático y meteorológico. Se hace
también una reseña de eventos de esta naturaleza que han ocurrido a nivel internacional y la
forma en que se han estudiado.
El capítulo 2 trata de las definiciones de cada uno de los eventos hidrometeorológicos que
existen: huracanes, precipitaciones, inundaciones y sequías, dadas por diversos autores
nacionales e internacionales.
En el capítulo 3 se habla de los datos hidrométricos y climatológicos, las estaciones de
medición que están ubicadas en el territorio nacional y la base de datos y el software ocupados
por la Comisión Nacional del Agua y el Servicio Meteorológico Nacional.
En el cuarto capítulo se plantean algunas de las metodologías que se ocupan para el estudio de
huracanes, precipitaciones, inundaciones y sequías, y su utilidad práctica.
En el capítulo 5 se presenta un estudio de caso que se realiza en la ciudad de Campeche donde
se identifican los peligros hidrometeorológicos y que forma parte de un estudio de doctorado
realizado en el posgrado UNAM, un análisis de la marea de tormenta asociada a huracanes e
inundaciones fluviales. Se describe brevemente el sistema de información geográfica útil y de
fácil consulta realizado para las autoridades estatales.
En el capítulo 6 se presentan las conclusiones y recomendaciones derivadas de este estudio.
5
Capítulo 1. Antecedentes
1.1 Introducción
La ubicación geográfica y las características físicas de México favorecen la ocurrencia de
fenómenos hidrometeorológicos que influyen a más del 60% del territorio nacional. México es
uno de los países más propensos a padecer afectaciones atmosféricas y climáticas que causan
inundaciones en el territorio.
En octubre de 2001, el huracán Juliette ocasionó lluvias atípicas en Sonora y pérdidas de
905.15 millones de pesos. (Bitran et al., 2002).
En el 2005, el huracán Stan provocó el desbordamiento del río Coatán en Chiapas e inundó los
municipios de Tapachula y Motozintla, con un saldo de 100 mil personas afectadas. (Murcia –
Macia, 2005).
En las inundaciones del 2005 se estimaron daños con un valor de cuatro mil millones de pesos y
para el 2010 hubo un gasto de más de 50 mil millones por daños causados debido a las
inundaciones para el estado de Veracruz que concentra el mayor volumen de agua superficial;
sus ríos descargan al mar más del 30% del caudal de todos los ríos del país. Las características
de relieve, la ubicación geográfica, el clima y la precipitación hacen de Veracruz una zona
vulnerable a inundaciones. Así, tenemos que 27% del territorio veracruzano presenta una
topografía accidentada y además 73% del territorio estatal yace por debajo de los 200 msnm,
en una planicie surcada de ríos e influenciada por sistemas meteorológicos tropicales en verano
y extra-tropicales en invierno, ello ocasiona que 40% de los días del año sean lluviosos.
En el Atlántico, la presencia de Helene y Gordon solo generaron alertas pero ninguno llegó a las
costas mexicanas (CONAGUA, 2009).
Las lluvias, inundaciones y ciclones tropicales ocasionaron daños por 13,580 millones de pesos,
afectando a más de 778 mil personas y destruyendo más de 455 mil hectáreas de diferentes
cultivos. Entre Tabasco, Veracruz y Oaxaca concentraron cerca del 70% de las pérdidas
económicas (CENAPRED, 2009).
En 2007, se vive uno de los desastres hidrometeorológicos más impactantes en México con las
inundaciones en el Estado de Tabasco. La cantidad de damnificados y las pérdidas materiales
fueron inmensas. Las intensas lluvias, alimentadas por los efectos del cambio climático, hicieron
que los ríos Grijalva, Usumacinta, Carrizal y Mazcalapa se desbordaran. Las lluvias torrenciales
también provocaron que la presa Peñitas llegara a su máxima capacidad el 29 de Octubre, lo que
obligó a abrir las compuertas y desfogar 2 millones de litros por segundo, desencadenando la
inundación. En el mismo período se genera una tragedia en el Estado de Chiapas por el
desgajamiento de un cerro que sepultó al Pueblo de Juan de Grijalva.
6
1.2 Planteamiento del problema
Nuestro país se sitúa en el Cinturón de Fuego, sobre las placas tectónicas del Pacífico, de
Cocos, la Norteamericana y del Caribe, siendo en esta zona en donde ocurre el 80% de la
actividad sísmica y volcánica a nivel mundial. Además nos ubicamos dentro de cuatro de las seis
regiones generatrices de ciclones del mundo, las cuales influyen en el territorio de
Tehuantepec, Región Oriental del Mar Caribe, Sonda de Campeche y Región Oriental del
Atlántico. En total, son 17 entidades las ubicadas en zonas de peligro, donde habita casi la
mitad de la población mexicana (FIODM, 2011).
México está situado cerca de la zona intertropical de convergencia, la cual es una banda de
baja presión que se forma sobre las regiones de masas de aguas más cálidas en los trópicos,
donde las masas de aire están forzadas a ascender por el calentamiento, esto provoca una
abundante formación de nubes y fuertes lluvias.
Entre 1970 y 2010, 186 ciclones tropicales impactaron las costas de México. A continuación se
presenta su ocurrencia en el Océano Atlántico y Pacífico, donde se observa que a pesar que han
impactado un mayor número de ciclones en el Pacífico, los huracanes intensos se han
presentado en mayor proporción en el Atlántico. Figura 2.2.1.
Figura 1.2.1. Huracanes intensos categorías H3-H5, CONAGUA 2009.
Los factores geográficos y geofísicos determinan las condiciones del clima y lluvia en las
diversas regiones de la República Mexicana. México está entre los paralelos 14° 31´ y 32° 43´
de latitud norte, toda esta extensión se ubica dentro de las fajas de desiertos; se salva de
esta fatalidad geográfica gracias a otros factores que propician la ocurrencia de la
precipitación pluvial. Existen diferencias en la distribución de la lluvia. La zona más lluviosa con
7
precipitaciones superiores a 1500mm, se encuentra al sur del paralelo 22° de latitud norte y
comprende las pendientes montañosas de las porciones central y sur del país que se inclinan al
golfo de México y se encuentran directamente expuestas a los vientos húmedos del mar,
asociados con los vientos Alisios, los nortes y los ciclones tropicales. (Breña, 2004).
La precipitación acumulada ocurrida en la República Mexicana del 1° de enero al 31 de
diciembre del año 2010 alcanzó una lámina de 938 mm, lo cual fue 23.4% superior a la normal
del período de 1971 a 2000 (760 mm). Figura 1.2.2.
Figura 1.2.2. Precipitación pluvial anual 2010.
Se observa que la región Sureste del país es la que tiene precipitaciones mayores, mientras que
el Norte y Noroeste de la República son regiones de escasa precipitación. En la Figura 1.2.3 se
muestra la distribución pluvial anual de la República Mexicana en el 2010.
Figura 1.2.3. Distribución de la precipitación pluvial anual 2010.
Bajo consideraciones de tipo termodinámico, a mayor temperatura aumenta la capacidad de la
atmósfera de contener vapor de agua por lo que la cantidad de agua precipitable es mayor.
Adicionalmente, es posible que el cambio de uso de suelo que ha experimentado el Valle de
México en los últimos cien años haya llevado a un calentamiento más intenso de la superficie,
8
por lo que las condiciones atmosféricas se vuelven más inestables y se incrementa el potencial
de nubes profundas y tormentas más intensas.
Se puede considerar que los eventos hidrometeorológicos más peligrosos en el Valle de México
son las lluvias intensas. Dichos meteoros producen daños que han ido en aumento al existir más
asentamientos humanos en zonas propensas a inundaciones. Desafortunadamente, no se emiten
pronósticos de precipitaciones intensas o de ocurrencia de tormentas severas en las escalas
espaciales necesarias para implementar programas de prevención (por ejemplo, evacuaciones).
Aunque se trabaja en elevar este grado de acierto, se piensa que es mejor trabajar con
pronósticos a corto plazo (2 horas) utilizando el radar meteorológico. Desafortunadamente,
estos instrumentos no han sido explotados adecuadamente para apoyar las acciones de
prevención de desastres. El radar ubicado en el Cerro de la Catedral, cerca de la Ciudad de
México, rara vez proporciona estimaciones de lluvias intensas y menos de previsiones a corto
plazo. La situación es similar con el resto de los radares del país. (Magaña-Neri, 2007)
El noroeste, norte y noreste están sometido a variaciones en el régimen pluviométrico y las
lluvias más importantes están relacionadas con la influencia de estos ciclones, por lo que su
prolongada ausencia en el verano es una posible causa de la sequía en esta región.
Estos períodos de poca precipitación y de disminución en los caudales de ríos llevan a eventos
de sequía, sobre todo entre los meses de noviembre y finales de abril, y en especial en la región
norte y centro del país, con sus efectos reflejados en la baja producción agrícola, pérdidas de
cabezas de ganado, problemas de abastecimiento de agua potable, etcétera (CENAPRED,
2004).
Los problemas de escasez de agua que se presentan en el norte y centro del país se deben a
que la demanda ya sobrepasó a la disponibilidad, lo que ocasiona competencia por el agua entre
los diferentes usos, principalmente entre el agrícola y el público. La agricultura de riego utiliza
77% del agua en el país; los métodos aplicados son tradicionales en más del 80% de la
superficie, y se estiman eficiencias en el uso del agua del orden de 46% (Esquivel, 2005), por lo
que un enorme reto es el desarrollo de nuevas tecnologías aplicables a esta problemática.
En México, la mayoría de los sistemas agropecuarios y forestales son críticamente
dependientes del clima. El cambio climático es una de las amenazas más serias que actualmente
enfrenta nuestro planeta y de acuerdo a los modelos climáticos, esta situación se verá
exacerbada para finales del siglo XXI cuando se espera un aumento en la temperatura global
del planeta de entre 1.1 y 6.4 °C (Solomon et al., 2007).
Durante las dos últimas décadas, alrededor del 80% de las pérdidas totales económicas
debidas a desastres relacionados con el clima, ocurrieron en el sector agrícola. (INE-
SEMARNAT, 2009).
9
La problemática que enfrenta el país, expuesta con anterioridad, hace ver la importancia de
contar con herramientas para el análisis de eventos extremos que sean de utilidad al ingeniero
civil o en estudios multidisciplinarios, por dicho motivo en este trabajo se hace esta revisión
amplia de metodologías.
1.3 Objetivo
El objetivo de este trabajo es hacer una revisión de los principales eventos
hidrometeorológicos extremos existentes en el mundo y en particular en la zona continental
mexicana, así como las diversas herramientas para la posible prevención o mitigación de sus
daños, relacionados con la protección civil y, dar sugerencias y recomendaciones de utilidad
práctica para el ingeniero civil.
1.4. Estudios internacionales sobre eventos extremos
En el 2010 se reportaron 42 desastres más que en el 2009 a nivel mundial. El número de
desastres reportados fue de 385, aproximado al promedio anual de eventos ocurridos entre el
2000 y el 2009. Se observó un incremento en la ocurrencia de desastres hidrológicos y una
disminución en los eventos meteorológicos. (CRED, 2010). Figura 1.4.1
Figura 1.4.1. Clasificación de Impactos de Desastres Naturales. Promedio anual 2000-2009 vs año 2010.
El número de víctimas se incrementó de 198.7 millones a 217.3 millones en el 2010, pero
permaneció bajo el promedio anual (2000-2009) de 227.5 millones. El número de víctimas por
eventos meteorológicos se incrementó un 98.9% comparado con el promedio anual de la última
década. (CRED, 2011).
10
Los impactos de inundaciones catastróficas en Pakistán en julio del 2010 mostraron que la
pobreza y el riesgo a los desastres están relacionados. El fenómeno de la Niña en el 2010
provocó en el verano incendios y temperaturas extremas en Rusia y en diciembre de 2010,
inundaciones en Australia.
En la siguiente tabla se muestra una comparación del promedio de eventos ocurridos del 2000
al 2009 vs 2010. El Continente con mayor cantidad de desastres es Asia, seguido por América,
África, Europa y Oceanía. (Tabla 1.4.1)
Tabla1.4.1. Desastres ocurridos a nivel mundial
El número de víctimas en Asia es el mayor de todos los continentes; la mayoría ocasionado por
eventos hidrológicos en el 2010. (CRED, 2010). (Tabla 1.4.2).
Tabla 1.4.2. Número de Víctimas a nivel mundial
América es el continente que ha tenido que invertir mayor cantidad de dinero en la reparación
de daños; esto debido a la mayor cantidad de desastres meteorológicos entre el 2000 y el
2009 y, geofísicos en el 2010. Le sigue Asia con daños económicos en el 2010 debido a eventos
hidrometeorológicos. (CRED, 2010). (Tabla 1.43)
Cantidad de Desastres ocurridos África América Asia Europa Oceanía Total
Climatológicos 2010 6 16 6 22 0 50
Prom.Climatologicos 2000-2009 9 13 13 18 1 54
Geofísicos 2010 1 6 20 2 2 31
Prom. Geofísicos 2000-2009 3 7 21 3 2 31
Hidrológicos 2010 57 40 81 32 6 216
Prom. Hidrológicos 2000-2009 43 39 80 25 5 192
Meteorológicos 2010 5 35 27 14 7 88
Prom. Meteorológicos 2000-2009 9 33 42 14 6 105
Total 2010 69 97 134 70 15 385
Prom. Total 2000-2009 64 92 156 59 15 387
Cantidad de victimas (millones) África América Asia Europa Oceanía Total
Climatológicos 2010 5.44 0.18 6.52 0.06 0 12.21
Prom.Climatologicos 2000-2009 12.21 1.21 70.57 0.26 0 84.25
Geofísicos 2010 0 6.62 0.38 0.03 0.3 7.33
Prom. Geofísicos 2000-2009 0.08 0.37 7.98 0.01 0.01 8.45
Hidrológicos 2010 4.23 4.18 180.1 0.28 0.23 189.03
Prom. Hidrológicos 2000-2009 2.34 2.9 89.42 0.34 0.02 95.01
Meteorológicos 2010 0.2 1.11 6.88 0.5 0.05 8.73
Prom. Meteorológicos 2000-2009 0.45 2.62 36.31 0.32 0.04 39.74
Total 2010 9.87 12.1 193.9 0.87 0.57 217.3
Prom. Total 2000-2009 15.07 7.09 204.3 0.94 0.06 227.46
11
Tabla 1.4.3. Daños en billones de dólares provocados por desastres naturales en el mundo.
África En 2002 Kenia se vió afectada por la peor sequía en 37 años. En junio se estimaban 1,700 000
personas que requerían asistencia alimentaria. En diciembre, la cifra se había elevado a los 4
millones.
La franja de Sahel, que se extiende desde el Océano Atlántico hasta el Mar Rojo, con el paso
de los años ha sufrido extensas sequías. En el 2005, 9 millones de personas fueron afectadas
padeciendo de epidemias, hambruna y desnutrición; para 2007 la sequía causada por el
fenómeno de El Niño afectó los cultivos de Sudáfrica, Botswana, Lesoto, Sur de Mozambique y
Zimbabwe.
En el este de África ecuatorial se originó una sequía en el 2005, ocasionado por las “lluvias
cortas”, en el período Octubre – Noviembre. (Hastenrath et al., 2007).
En 2005, estudios realizados con una serie climática en NOAA, indicaban que la vigésima sequía
de Sahel del siglo era una probable respuesta climática a los patrones de la temperatura
superficial del mar que cambiaban, y podría ser vista como combinación de la variabilidad
natural. Estas simulaciones indicaron que eran tardíamente atribuibles a los factores humano-
inducidos; en gran parte debido a un aumento en gases de invernadero y en parte debido a un
aumento en aerosoles atmosféricos. Los estudios indican que el cambio del clima podría
conducir a una reducción del 25% en la precipitación de Sahel por el año 2100 (Held et al.,
2005)
En 2009 durante el período de lluvias, las precipitaciones fueron casi nulas en regiones como
Kenia, Somalí, Uganda, Yibuti y Tanzania.
América
En el océano Pacifico los huracanes más intensos en el año 2006 fueron Daniel y John de
categoría IV con vientos máximos de 240 Km/h y 215 Km/ h. El huracán John se presentó en
Daños ( 2009 US$ bn) África América Asia Europa Oceanía Total
Climatológicos 2010 0 0.11 0.27 3.6 0 3.98
Prom.Climatologicos 2000-2009 0.04 2.29 3.56 2.9 0.47 9.26
Geofísicos 2010 0 38.01 1.51 0.13 6.5 46.15
Prom. Geofísicos 2000-2009 0.67 0.69 16.73 0.54 0.02 18.65
Hidrológicos 2010 0.06 2.49 32.08 7.02 5.24 46.89
Prom. Hidrológicos 2000-2009 0.35 2.89 8.86 6.53 0.5 19.13
Meteorológicos 2010 0 16.22 0.9 6.95 2.77 26.84
Prom. Meteorológicos 2000-2009 0.08 37.82 10.21 3.44 0.29 51.83
Total 2010 0.06 56.84 34.76 17.7 14.51 123.86
Prom. Total 2000-2009 1.15 43.69 39.36 13.41 1.27 98.87
12
El Saucito, Baja California Sur. El huracán Lane en Sinaloa con vientos de 205Km/h. En el
Atlántico la presencia de Helene y Gordon solo generaron alertas pero ninguno llego a las
costas mexicanas. (CONAGUA, 2009).
En 2007 las precipitaciones e inundaciones ocasionaron daños en 483 245 ha sembradas, 718
142 damnificados, 128 307 deterioros en viviendas. Destacan las inundaciones ocasionadas
por desbordamiento de los ríos Grijalva, La Sierra, Samaria y Carrizal debidas a lluvias
extraordinarias en la cuenca media del Grijalva que inundó el 70% del Estado de Tabasco,
(CONAGUA, 2008).
En 2008 México fue impactado por 6 ciclones tropicales, solo dos tocaron tierra con categoría
de huracán: Dolly en Tamaulipas y Norbert en Baja California Sur y Sonora. (CONAGUA,
2009).
En 2009, Venezuela sufrió de una fuerte sequía ocasionada por las bajas precipitaciones
en el país con sólo 600 milímetros de lluvia. Las afectaciones se ven reflejadas en el sector
agrícola, en el equilibrio ecológico y en el sector hidroeléctrico. (Paredes, 2010).
La distribución de las lluvias en Venezuela está afectada por factores como la orografía, la
orientación con respecto a los vientos Alisios y la cercanía con las masas de agua. La
temporada seca en Venezuela es condicionada por el movimiento de la Alta Presión del
Atlántico Norte (APAN), que inhibe la formación de nubes de gran desarrollo vertical entre
mediados de noviembre y finales de marzo.
El huracán Karl, decimotercer ciclón tropical de la temporada de huracanes en el Atlántico de
2010, se originó en el mar Caribe e impactó en la península de Yucatán como una tormenta
tropical fuerte, hasta emerger al golfo de México donde se reorganizó gradualmente hasta
alcanzar la categoría 3 (huracán mayor) en la escala de Saffir-Simpson e impactó la costa
oriental de México el 17 de septiembre del año 2010. (Cruz, 2010).
Jova fue un ciclón cuya trayectoria se inició a más de 1,000 km al Sur de la costa de Colima, de
allí se desplazó hacia el Noroeste y posteriormente recurvó hacia el Noreste con rumbo a la
costa occidental de México a donde llegó en las primeras horas del día 12 de octubre del 2011,
tocando tierra a las 01:00 horas a 8 km al Sur de la población de La Fortuna, Jal. Como huracán
de categoría II, con vientos máximos sostenidos de 160 km/h y rachas de 195 km/h. Su
duración fue de 168 horas, tiempo en el que recorrió una distancia aproximada de 2,000 km a
una velocidad promedio de 12 km/h. Se reportaron lluvias máximas puntuales en 24 horas de
374.4 mm en Coquimatlán, Col (siendo la mayor cantidad de lluvia a nivel nacional durante el año
2011); 115.0 mm en Melchor Ocampo, Mich. y 91.0 mm en Ciudad Guzmán, Jal., el día 11 de
octubre. (Bravo et al., 2011).
En relación a las sequías se realizan anualmente 2 estimaciones a nivel Norteamérica en el
marco del proyecto Monitor de Sequía para América del Norte (NADM). (CONAGUA, 2010).
13
Para la primera estimación de sequía, correspondiente al final de la temporada estival, en mayo
del 2009. la península de Baja California permaneció con condición de anormalmente seca a
severa, en tanto que el noreste de México presentó un incremento en la intensidad, de
anormalmente seca a sequía extrema.
En Sonora y Chihuahua la condición de sequía continuó sin cambios a pesar de las
precipitaciones, en tanto que se registró la condición de sequía con impacto hidrológico en el
centro del país con intensidades de anormalmente seca a severa, destacando la intensidad de
sequía severa para Michoacán, México y el Distrito Federal.
Para la segunda estimación de sequía, al finalizar la temporada de lluvia, en noviembre del 2009
se reportaron lluvias superiores a la normal, originada por frentes fríos y el huracán Ida, que
afectó a la península de Yucatán, con anomalías positivas en Nayarit, Quintana Roo, Nuevo León
y Campeche, en tanto que Baja California Sur, Estado de México, Querétaro y Morelos
presentaron anomalías negativas.
En 2009, Venezuela sufrió de una fuerte sequía ocasionada por las bajas precipitaciones en el
país con solo 600 milímetros de lluvia. Las afectaciones se ven reflejadas en el sector agrícola,
en el equilibrio ecológico y en el sector hidroeléctrico.
La distribución de las lluvias en Venezuela está afectada por factores como la orografía, la
orientación con respecto a los vientos Alisios y la cercanía con las masas de agua. La temporada
seca en Venezuela es condicionada por el movimiento de la alta presión del Atlántico Norte
(APAN), que inhibe la formación de nubes de gran desarrollo vertical entre mediados de
noviembre y finales de marzo.
El fenómeno de las sequías en los llanos ha sido escasamente estudiado, debido en parte, a las
pocas estaciones pluviométricas disponibles y su gran dispersión espacial (Ovalles et al., 2008).
Asia La disponibilidad de agua en China se encuentra mal distribuida; en el noreste se consume
mayor cantidad de agua que la disponible, mientras que en el sur se cuenta con un 80% del
total de agua y no es ocupada en su totalidad. El agua proviene de acuíferos subterráneos y de
ríos como el Yangtsé (6.300 Km), el río Amarillo, el río de las Perlas, el río Huai (Tong et al,
2006).
En 2002 en la India se presentó una de las sequías más severas afectando al 56% de su área
geográfica. Las sequías se deben mayormente a la reducción de precipitaciones y a la demanda
de agua en el país y se observa que una sola temporada de lluvias monzónicas anormales puede
tener gran impacto en la población; el subcontinente indio sufrió una de las sequías más severas
en su historia, lo que resulta en una caída importante en la producción de alimentos y el PIB
(Gadgil et al., 2004).
14
Esta amenaza se puede agudizar en las próximas décadas, dado que los suministros de agua
subterránea en la India, que ofrecen una protección contra las precipitaciones, están cada vez
más empobrecidos (Rodell et al., 2009).
Europa Entre 1998 – 2009 Europa tuvo desastres naturales ocasionados por eventos
hidrometeorológicos extremos. Predominan las inundaciones con una cifra de 213 tormentas
con un total de 155 y un registro de 8 sequías durante este período. En el período de 2003 a
2009, se registraron 26 grandes inundaciones. Los países más afectados Rumania (2005),
Turquía (2006) e Italia (2009). (EEA, 2010).
Las tormentas abarcaron desde Escocia hasta el sur de los Alpes del Sur y del Atlántico hacia
la planicie Rusa. Las tormentas registradas en la última década fueron: Jeanett (octubre 2002)
afectando Austria, Bélgica, Dinamarca, Francia, Alemania, Reino Unido; Gudrun y Erwin (enero
2005) en Reino Unido, Suiza, Alemania, Polonia, Finlandia, Suiza; Kyrill (enero 2007) en
Alemania, Austria, Reino Unido, Francia; Hilal (mayo-junio 2008) en Alemania; Klaus (enero
2009) en Francia, España e Italia; Wolfgang (julio 2009) en Austria, Polonia, República Checa y
Alemania. (Puyol, 2006).
En España la mayoría de las inundaciones son por avenidas súbitas en pequeñas cuencas. Las
causas de que España sea afectada por las inundaciones son: su orografía, el clima y la gran
densidad demográfica en su periferia. (Ayala et al, 2002)
En la Península Ibérica El Ebro es el río más grande del Mediterráneo, con una cuenca de 85
000 Km2 y una longitud del canal de 930 Km. En el tramo medio tiene 739 km 2 en llanuras de
inundación, el más extenso de la Península Ibérica. Esta planicie de inundación se cubre de agua
con frecuencia con un daño económico significativo. Las inundaciones en circulación ocurrieron
por última vez en noviembre de 1966, febrero de 1978, diciembre de 1980, y enero de 1981. En
las últimas décadas, el número de pequeñas inundaciones moderadas ha disminuido debido a los
sistemas de regulación. (Ollero, 2010).
Oceanía
La mayor parte del sureste de Australia ha experimentado una sequía prolongada desde 1997-
2008. La cuenca Corangamite, ubicada a 40 km desde el océano en una región sub-húmeda del
sureste de Australia cubre un área de 13.300 kilómetros 2. . La región tiene una larga duración
promedio anual de precipitaciones de 730 mm. Un 60% de las precipitaciones se produce
durante los meses de invierno / primavera de junio a noviembre (1899-2008). Se observa un
déficit en las precipitaciones de la media a largo plazo durante el año 1994, y luego por 11 de
los 12 años transcurridos entre 1997 y 2008. En la Figura 8 se aprecia que la región
experimentó una sequía meteorológica severa en ese periodo. (Ortiz et al., 2010).
15
Figura 1.4.2. Desviación de largo plazo promedio anual de precipitaciones para los datos de la estación de
Colac durante 1899-2008, y una sección ampliada destacando el déficit de las últimas como resultado de la
sequía de varios años (Oficina Australiana de Meteorología, 2008).
16
1.5. Referencias
1. Acevedo F... Diaz-Peon Antonio Luna. Principales fenómenos meteorológicos que
afectaron el estado de Veracruz en el año 2005
2. Alcantara-Ayala I. Hazard assessment of rainfall-induced land sliding in Mexico.
Geomorphology 61, 2004, pp. 19–40.
3. Ayala Carcedo FJ. El sofisma de la imprevisibilidad de las inundaciones y la
responsabilidad social de los expertos. Un análisis del caso español y sus alternativas.
Boletín, ISSN 0212-9426, Nº. 33, 2002 , págs. 79-92
4. BitranBitran Daniel, Lorena Acosta Colsa, Héctor Eslava Morales, Carlos Gutiérrez
Martínez, Marco Antonio Salas Salinas, María Teresa Vázquez Conde. Impacto
socioeconómico de los principales desastres ocurridos en la república mexicana en el
año 2001.CENAPRED, 2002.
5. Bravo Lujano Cirilo e Ing. Hdz Unzón Alberto. Reseña del huracán “Jova” del Océano
Pacífico. Coordinación General del Servicio Meteorológico Nacional Gerencia de
Meteorología y Climatología. / Subgerencia de Pronóstico Meteorológico Temporada
2011 de Ciclones Tropicales.
6. Breña Puyol Agustín Felipe, Precipitación y Recursos Hidráulicos en México. Universidad
autónoma Metropolitana, 2006. Libro en línea:
http://www.uamenlinea.uam.mx/materiales/licenciatura/hidrologia/precipitacion/PRHM
04-libro.pdf
7. Centro Nacional de Prevención de Desastres, Sistema Nacional de Protección Civil. Guía
Básica para la elaboración de Atlas Estatales y Municipales de Peligros y Riesgos.
Fenómenos hidrometeorológicos. México, 2006, 140 pp
8. Centro Nacional de Prevención de Desastres. Secretaría de Gobernación. Ciclones
Tropicales. Serie Fascículos, México. 2007. http://www.cenapred.unam.mx/es/
Publicaciones/archivos/3112008Fasc._Ciclones_2007.pdf.
9. Centro Nacional de Prevención de Desastres, Características e impacto socioeconómico
de los principales desastres ocurridos en la República Mexicana en el año 2008.
Septiembre, 2009. 264 pp
10. CENAPRED,2011.http://www.cenapred.unam.mx/es/Investigacion/RHidrometeorológico
s/FenomenosMeteorológicos/Inundaciónes/
11. CONAGUA. Estadísticas del Agua en México, Edición 2007. CONAGUA-SEMARNAT,
Diciembre, 28-30.
12. CONAGUA.Inventario Nacional de Obras de Protección contra inundaciones en cauces
naturales. Capítulo 2. Zonas inundables en México. CONAGUA 2008. 29-42.
13. CONAGUA.Análisis de las temporadas de huracanes de los años 2006, 2007 y 2008.
CONAGUA-SEMARNAT, 2009. 75- 258.
14. CONAGUA.Análisis de las temporadas de huracanes de los años 2006, 2007 y 2008.
CONAGUA-SEMARNAT, 2009, pp75- 258.
15. CONAGUA. Estadísticas del agua 2010. Capítulo 2 Situación de los recursos hídricos.
32-33.
17
16. CONAGUA, 2010. Atlas digital del agua México. http://www.conagua.gob.mx/atlas
17. Comisión Nacional del Agua. .Estadísticas del Agua en México, Edición 2011. CONAGUA-
SEMARNAT, Marzo. 185 pp.
18. CONAPO. La Situación demográfica de México 2002. Consejo Nacional de Población,
Secretaría de Gobernación, México 2003, 182 pp
19. CONAPO. La Situación demográfica de México 2006. Consejo Nacional de Población,
Secretaría de Gobernación, México, 2006
20. Cruz Flores P. Impacto Socioeconómico Del “Huracán Karl” Sobre Instalaciones De
Salud En Veracruz, México Con Una Población De 7 Millones 600 Mil Habitantes En
Septiembre Del Año 2010. Escuela De Medicina, Sta. Catarina Mártir. Cholula, México.
Abstracts – 17th World Congress on Disaster and Emergency Medicine. Prehospital and
Disaster Medicine Vol. 26, Supplement 1
21. Endfield, G. H., I. Fernández- Tejedo and S. L... O’Hara. Drought and disputes, deluge
and dearth: climatic variability and human response in colonial Oaxaca, Mexico. Journal
of Historical Geography 30, 2004, pp. 249–276.
22. Esquivel G., G. Prospectiva de la demanda de agua en México. Tesis de Maestría.
Posgrado de Ingeniería. Universidad Nacional Autónoma de México, 200, pp. 79.
23. Guha-Sapir D, Vos F, Below R, with Ponserre S. Annual Disaster Statistical Review
2010: The Numbers and Trends. Brussels: CRED; 2011.
http://www.cred.be/sites/default/files/ADSR_2010.pdf
24. Hastenrath, Stefan, Dierk Polzin, Charles Mutai: Diagnosing the 2005 drought in
equatorial east Africa. J. Climate, 20,2007, pp. 4628–4637.
25. Held I.M., Delworth T.L., Lu J ,Findell K.L., and Knutson T.R. .Simulación de la sequía de
Sahel en el vigésimo y siglo XXI - llevado a cabo y otros. 102 (50): 17891 -
Procedimientos de la National Academy of Sciences. October 17, 2005.
26. IMTA. 2001. Página del Instituto Mexicano de Tecnología del Agua.
http://www.imta.gob.mx/
27. Instituto Nacional de Ecología y Secretaría de Medio Ambiente y Recursos Naturales,
México. , INE-SEMARNAT. Cuarta comunicación nacional ante la convención marco de
las naciones unidas sobre el cambio climático, México lo gris ponerlo en las referencias
completas abajo, 2009.
28. IPCC. Climate change 2007: synthesis report summary for policymakers. Assessment of
Working groups I, II and III to the Third Assessment Report of the International
Panel on Climate Change. Cambridge: Cambridge University Press, 2007.
29. Jiménez, B., Torregrosa, M.L, Aboitez A, L.. El Agua en México: Cauces y Encauces.
CONAGUA-Academia Mexicana de Ciencias, 2010, pp. 702.
30. Luja, V. H., R. Rodríguez-Estrella. 2010. Are tropical cyclones sources of natural
selection? Observations on the abundance and behavior of frogs affected by extreme
climatic events in the Baja California Peninsula, Mexico. Journal of Arid Environments
74, 2010, pp.1345-1347.
31. Magaña, V. y C. Neri. Eventos Hidrometeorológicos Extremos en el Valle de México.
Publicado en Revista Ciudades. Num. 74, 2007, pp. 26-30.
18
32. Mapping the impacts of natural hazards and technological accidents in europe — An
overview of the last decadeEuropean Environment Agency. 2010. 25-32.
33. Murcia H. Fermano y Macía José Luis. Registro geológico de inundaciones recurrentes e
inundación del 4 de octubre de 2005 en la ciudad de Tapachula, Chiapas, México.
34. Ollero Alfredo. Channel changes and floodplain management in the meandering middle
Ebro River, Spain GeomorphologyVolume 117, Issues 3–4, 1 May 2010, Pages 247–260
35. ONU. Agua para todos, agua para la vida: Informe de las Naciones Unidas sobre el
desarrollo de los recursos hídricos en el mundo. ONU. NY: UNESCO, Berghahn Books,
2003.
36. Ortiz Gómez, R., Zúñiga Alvarado C., Barragán Barrios C., Wagner Gómez, A.I. (2010).
Análisis de la red de estaciones climatológicas de la República Mexicana. Memorias del
Congreso Nacional de Hidráulica, AMH, Guadalajara, Jal., octubre del 2010.
37. Ovalles, F., A. Cortez, M. Rodríguez, J. Rey y E. Cabrera-Bisbal. Variación geográfica del
impacto del cambio climático en el sector agrícola en Venezuela. Agronomía Tropical
58(1), 2008, pp. 37-40.
38. Paredes, Franklin y Guevara, Edilberto. Desarrollo y evaluación de un modelo para
predecir sequías meteorológicas en los Llanos de Venezuela. Bioagro, abr. 2010, vol.22,
no.1, p.03-10. ISSN 1316-3361
39. Pérez, J. B. Pronóstico Numérico del tiempo para el Valle de México. Tesis de Maestría.
Centro de Ciencias de la Atmósfera. UNAM, 2004. 70 pp.
40. Servicio Meteorológico Nacional de Honduras, 2012.
http://www.smn.gob.hn/web/glosario
41. Solomon, S., Qin, D., Manning, M., Alley, R. B., Berntsen, T., Bindoff, N. L., & Chen,
Z.Technical summary. In Climate Change 2007: The Physical Science Basis. Contribution
of Working Group 1 to the Fourth Assessment Report of the Intergovernmental Panel
on Climate Change. Cambridge: University Press, 2007
42. Soto Montes de Oca, Gloria, Herrera Pantoja Marina. Estudio sobre el impacto del
cambio climático en el servicio de abasto de agua de la Zona Metropolitana de la Ciudad
de México. Agosto 2009. http://www.cvcccm-atmosfera.unam.mx/cvcccm/proyectos/
Agua_Soto _abast_cc_RepFinal.pdf
43. Tong J. , Zhang Qiang , Zhu Deming ,Wu Yijin . Yangtze floods and droughts (China) and
teleconnections with ENSO activities (1470–2003).Quaternary International.144 (1).
February 2006, 29–37.
19
Capítulo 2. Eventos Hidrometeorológicos extremos
2.1. Introducción
En los últimos años los fenómenos naturales han demostrado al ser humano que conllevan
grandes desastres tanto a nivel poblacional como económico; la naturaleza afecta de forma
fuerte e imprevisible a los países, es por ello que es urgente tomar medidas de prevención y
mitigación a nivel mundial. La mayor parte de los eventos extremos se ha intensificado con el
calentamiento global y han surgido nuevas zonas de riesgos meteorológicas.
Durante 2007, 234 millones de personas de 117 países fueron afectados, 73,946 murieron y
los daños se calcularon en 81.86 mil millones de US$ (MMD) por eventos naturales extremos.
En 2008, 36 millones de personas fueron evacuadas de sus hogares por desastres ambientales
y los eventos hidrometeorológicos extremos se han casi duplicado a partir de 2005, si se
comparan con el quinquenio anterior (Arreguín et al., 2011).
En 2010, los eventos climáticos extremos aumentaron en todos los continentes, destacando por
su gravedad: Pakistán, Bangladesh, Indonesia, Fiji, Australia, Andhra Pradesh (India), China,
Brasil, Venezuela, Perú, México y Polonia (EMDAT, 2011)
2.2. Eventos Extremos
Un evento extremo puede definirse como un evento de magnitud tal que el grupo social
afectado no está preparado para evitar que produzca graves daños, la definición se relaciona
con la magnitud del fenómeno natural y con las condiciones específicas de la zona expuesta.
Los riesgos hidrometeorológicos dependen de la intensidad y frecuencia de la amenaza y de la
medida en que llega a afectar la zona. En meteorología se trata de fenómenos con mayor o
menos predictibilidad. (Magaña- Neri, 2007).
Una definición, descrita por el Panel Intergubernamental del Cambio Climático, IIPC 2008 por
sus siglas en inglés, define un evento extremo como “aquel evento que es raro en un lugar y en
un instante en un año”. Por lo cual, la interpretación de esta definición nos habla de valores
máximos dentro de un conjunto de datos; el efecto del calentamiento global es que los eventos
extremos están variando, es decir, los eventos extremos crecen en magnitud y en frecuencia.
Asimismo, los estudios de costos y aseguramiento en los Estados Unidos en las últimas
temporadas indican que los eventos que ocurren en una rápida sucesión, generan mayores daños
que la suma simple e individual de los daños de eventos aislados.
Los eventos hidrometeorológicos extremos dañan los bienes y la integridad física de la
población. En México, el fenómeno de El Niño nos muestra la variabilidad climática al
20
relacionar la ocurrencia de sequías severas en verano en el norte del país; o con lluvias intensas
de invierno en el noroeste. Cerca de 8 millones de personas están expuestas a los
efectos adversos de huracanes, aproximadamente 6 millones a lluvias intensas y más de
8 millones pueden sufrir daños por sequías; cerca del 80% de esta población vive
bajo condiciones de alta y muy alta marginación. (Landa, 2011).Los eventos hidrometeorológicos
relacionados con los cambios en la atmósfera y con el ciclo del agua, tales como las lluvias, los
huracanes y las sequías meteorológicas, son procesos naturales del sistema climático; al
presentarse de manera severa se vuelven amenazas que llegan a generar desastres. En la Tabla
2.2.1 se muestra la distribución de eventos en México.
Tabla 2.2.1. Eventos en regiones y entidades federativas del país.
Fuente INE 2008.
2.2.1 Huracanes
En la última década se han registrado una gran cantidad de eventos hidrometeorológicos
extremos, los cuales ocurren a diferente nivel geográfico y en escalas de tiempo variables.
EVENTO / ZONA NORTE CENTRO COSTA DEL PACIFICO SURESTE
Aguascalientes Jalisco, Colima, Chiapas
Baja california Michoacán, Tabasco
Durango, Sinaloa Guerrero, Veracruz
Oaxaca
Sequía Estado de México ,
Guanajuato
Colima, Jalisco, Campeche
Meteorológica Hidalgo, Morelos Michoacán Veracruz
Puebla, Querétaro Oaxaca Yucatán
Tlaxcala, Zacatecas
Aguascalientes
Chihuahua
Sonora
Chihuahua, Durango
Coahuila, Sonora,
Nuevo león
Baja california sur Estado de México Quintana Roo,
Chiapas
Nuevo Leon San Luis Potosí Tabasco
Puebla Veracruz
Baja california sur Guerrero,Colima,Jalisco Campeche, Chiapas
tamaulipas Michoacan,
Nayarit,Oaxaca.
Tabasco, Veracruz,
Yucatán, Quintana
Roo
Guerrero
Jalisco
Oaxaca
Huracanes
Incendios forestales Chiapas
Olas de frío
Eventos extremos de
precipitación
Guerrero
Inundaciones Distrito Federal
Aguascalientes, Baja
california, Chihuahua,
Coahuila, Durango , Nuevo
leon, Sinaloa, Tamaulipas
Olas de calor Distrito federal
21
Huracán es un término que se asigna a lo que genéricamente se denomina ciclón tropical, pero
cuando éste ya presenta vientos mayores a 120 Km/h. (Rosengaus, 2000).
Un huracán es un conjunto de centros de depresión atmosférica que operan como centros de
atracción de masas de aire caliente y húmedo con trayectorias parabólicas, provocando fuertes
lluvias y vientos; en México se generan en el Caribe, Golfo de México y Océano Pacifico, con
movimientos generalmente de sureste a noreste. (Ovsei, 1996).
Los ciclones tropicales son depresiones meteorológicas, o sistemas de baja presión, sobre
aguas abiertas en el trópico, usualmente entre las latitudes 30° al norte y 30° al sur. (NRC,
1994; Alexander, 1993). Se originan en lugares donde una atmósfera inestable causa
diferencias en la cantidad de energía recibida por los polos terrestres. Un disturbio giratorio
se forma alrededor de un centro de atmósfera en calma, un ojo usualmente de 30 a 50
kilómetros de diámetro, con aire circulante que gira en la dirección contraria de las manecillas
del reloj en el hemisferio norte y a la inversa en el sur. Con la energía obtenida a través de la
evaporación oceánica, los ciclones pueden moverse a velocidades entre 10 y 50 km/h en la zona
de los vientos alisios. (Office of the United Nations Disaster Relief Coordinator, 1991; Noji,
2000).
Por definición, un ciclón tropical es un término asignado a circulaciones ciclónicas originadas
sobre aguas tropicales (OAS, 1991).
Huracán es el nombre de un ciclón tropical con vientos sostenidos de 65 nudos (117 km/h) o
más que se desarrolla en el Atlántico Norte, Mar Caribe, Golfo de México y al este del Pacífico
Norte. Este mismo ciclón tropical es conocido como tifón en el Pacífico Occidental y como
ciclón en el Océano Índico. (SMNH, 2012).
Un ciclón tropical es un remolino gigantesco que cubre cientos de miles de kilómetros
cuadrados y tiene lugar, primordialmente sobre los espacios oceánicos tropicales. Cuando las
condiciones oceánicas y atmosféricas propician que se genere un ciclón tropical, su evolución y
desarrollo puede llegar a convertirlo en huracán. Los ciclones tropicales en los océanos
presentan áreas de formación y éstas se ven favorecidas cuando la temperatura de la capa
superficial de agua supera los 26.5°C, aunada a la presencia de una zona de baja presión
atmosférica, hacia la cual convergen vientos de todas direcciones. (Acevedo et al., 2005).
Huracán es un ciclón tropical en el cual los vientos máximos sostenidos alcanzan o superan los
119 Km/h. El área nubosa cubre una extensión entre los 500 y 900 Km de diámetro,
produciendo lluvias intensas. El ojo del huracán alcanza normalmente un diámetro de 24 a 40
Km, pero puede llegar hasta cerca de 100 Km. (Acevedo et al., 2005).
Los huracanes o ciclones tropicales son las tormentas más devastadoras que ocurren en los
trópicos. Tanto la violencia de los vientos que arrasa construcciones y derriba árboles y postes,
22
como la subsecuente inundación que ocasiona la marejada, redundan en enormes pérdidas –
humanas y materiales- en la economía de los países expuestos a este fenómeno.
Un huracán es un viento muy fuerte que se origina en el mar, gira en forma de remolino
acarreando humedad, posee características únicas de circulación de latitudes medias, se
intensifican cuando están situados sobre océanos tropicales o subtropicales en ambos
hemisferios. (Salinas, 2006).
Un ciclón tropical es un remolino gigantesco que cubre cientos de miles de kilómetros
cuadrados y tiene lugar, primordialmente, sobre los espacios oceánicos tropicales. Cuando las
condiciones oceánicas y atmosféricas propician que se genere un ciclón tropical, su evolución y
desarrollo puede llegar a convertirlo en huracán. (Acevedo et al., 2005).
Los huracanes han causado miles de pérdidas humanas y severos daños materiales valuados en
millones de dólares: Bangladesh, Honduras, Nicaragua, México y Estados Unidos han sido
víctima de estos eventos. Pero los huracanes también tienen un punto de vista positivo, pues el
agua de lluvia se podría distribuir a las zonas áridas a través de lluvias excedentes recargando
así los acuíferos. (CENAPRED, 2007).
Según la región donde se presentan estos fenómenos se le conocen con distintos nombres:
En el océano Atlántico, Golfo de México, Mar Caribe, Océano Pacífico, Pacífico sur, este de
Australia y Samoa se les conoce como huracanes. En el Mar de Arabia, Bahía de Bengala,
Océano Indico y Madagascar son ciclones. En China y costa de Japón se les da el nombre de
tifones. (CENAPRED, 2007).
2.2.2 Precipitaciones
Las precipitaciones pluviales intensas, que pueden estar asociadas a los ciclones tropicales,
aunadas a factores como la topografía, el uso del suelo y el estado de la cubierta vegetal,
pueden generar intensas corrientes de agua en ríos, flujos con sedimentos en las laderas de las
montañas, movimientos de masa que transportan lodo, rocas, árboles, y otros objetos que
pueden destruir casas, dañar puentes o tramos de carreteras (CENAPRED, 2001).
Los factores determinantes para una precipitación pluvial son la humedad atmosférica y la
temperatura de condensación. (Breña, 2006).
Una precipitación es un hidrometeoro constituido por un conjunto de partículas acuosas,
líquidas o sólidas, cristalizadas o amorfas, que caen de una nube o de un conjunto de nubes y
que alcanzan el suelo. (SMNH, 2012).
23
Se define como precipitación a toda forma de humedad, que, originándose en las nubes,
llega hasta la superficie terrestre. De acuerdo a esta definición, las lluvias , las granizadas
y las nevadas son formas distintas del mismo fenómeno de la precipitación. (Wendor,
1989).
Precipitación. Partículas de agua líquida o sólida que caen desde la atmósfera hacia la superficie
terrestre. (CONAGUA-SMN, 2010-2011).
En México existen grandes variaciones de la disponibilidad de agua a lo largo del año. Algunas
regiones del país tienen precipitación abundante y baja densidad de población, mientras que en
otras ocurre exactamente lo contrario.
Anualmente, México recibe del orden de 1.51 billones de metros cúbicos de agua en forma de
precipitación. De esta agua, el 72.5% se evapotranspira y regresa a la atmósfera, el 25.6%
escurre por los ríos o arroyos y el 1.9% restante se infiltra al subsuelo y recarga los acuíferos
(IMTA, 2009).
Existen también las avenidas súbitas que ocurren cuando se origina una precipitación intensa en
una cuenca con respuesta hidrológica muy rápida. Pueden presentarse en zonas montañosas con
fuerte pendiente, en abanicos aluviales, en ciudades, al romperse una presa, dique o bordo,
incluso en cavernas donde circule algún arroyo subterráneo. Las avenidas son peligrosas por los
cambios rápidos en los niveles de escurrimiento; en minutos el agua puede elevarse
drásticamente desde niveles virtualmente nulos hasta 10 metros. (CENAPRED, 2010).
Las avenidas súbitas se presentan generalmente en cuencas ubicadas en zonas con montaña de
fuerte pendiente, donde existen pequeños valles, barrancas, y abanicos aluviales al pie
de éstas. También pueden presentarse debido al rompimiento de un bordo, presa o represa, o
en ciudades cuyo suelo, o piso, presenta un alto coeficiente de escurrimiento, es decir, son muy
impermeables. Su característica y peligrosidad más importante es que ocurren de manera
imprevista, lo que dificulta alertar con antelación. Como consecuencia de ello, este fenómeno
puede cobrar una mayor cantidad de vidas humanas, en comparación con una inundación lenta.
(CENAPRED, 2006)
2.2.3 Inundaciones
Las inundaciones pueden ocurrir por lluvias en la región, por desbordamiento de ríos, ascenso
del nivel medio del mar, por la rotura de bordos, diques y presas, o bien, por las descargas de
agua de los embalses. Entre los factores importantes que condicionan las inundaciones están:
la distribución espacial de la lluvia, la topografía, las características físicas de los arroyos y
ríos, las formas y longitudes de los cauces, el tipo de suelo, la pendiente del terreno, la
cobertura vegetal, el uso del suelo, ubicación de presas y las elevaciones de los bordos de los
ríos. (CENAPRED, 2001).
24
Inundación es un flujo o encubrimiento de agua que se origina por lluvias, desbordamientos de
ríos, ruptura de presas y otros eventos que resultan en grandes cantidades de agua, agravados
por la deficiencia de la capacidad del drenaje, acumulación de basura en la red de atarjeas y
condiciones topográficas del lugar. (Ovsei, 1996).
Las inundaciones ocurren conforme los fuertes vientos y mareas empujan, con fuerza
destructiva, las ondas marinas creadas por un ciclón hacia las lineas costeras. Las marejadas
son diferentes a los tsunamis, los cuales son ondas marinas sísmicas producidas por terremotos
en el piso del océano. Los ciclones también impulsan tierra adentro de las aguas de los pantanos.
(NRC, 1994).
Inundación es la sumersión temporal de terrenos normalmente secos, como consecuencia de la
aportación inusual y más o menos repentina de una cantidad de agua superior a la que es
habitual en una zona determinada. (Aparicio, 2003).
Inundaciones por precipitaciones in situ: se producen por la acumulación de agua de lluvia en un
determinado lugar o área geográfica sin que ese fenómeno coincida necesariamente con el
desbordamiento de un cauce fluvial. Este tipo de inundación se genera por la concentración de
un elevado volumen de lluvia en un intervalo de tiempo muy breve o por la incidencia de una
precipitación moderada y persistente durante un amplio periodo de tiempo. (Aparicio, 2003).
Inundaciones por desbordamientos de los ríos: se deben en primera instancia a un excedente
de agua. El aumento brusco del volumen de agua que un lecho o cauce es capaz de transportar
sin desbordarse produce lo que se denomina como avenida o riada. Una avenida es el paso por
tramos de un río, de caudales superiores a los normales, que dan lugar a elevaciones de los
niveles de agua. (Aparicio, 2003).
De todos los riesgos naturales, las inundaciones ocurren con más frecuencia y son las más
extendidas en espacio y severidad (Alexander, 1993; WMO, 1990).
Otros factores que potencian o intensifican las inundaciones son: la pendiente de la cuenca
hidrográfica y de las corrientes fluviales, el aumento de nivel freático, el tamaño y forma de la
cuenca, el tipo de suelo, su geometría y la cubierta vegetal del terreno. (Herrero et al., 2008).
2.2.4 Sequías
La sequía se define como un conjunto de condiciones ambientales atmosféricas de muy poca
humedad que se extienden durante un periodo suficientemente prolongado como para que la
falta de lluvias cause un grave desequilibrio hidrológico y ecológico. El agua deja de fluir en
ríos que normalmente no se secan y los lagos y lagunas se convierten en valles áridos (IMTA,
2009).
25
La sequía en una zona corresponde a un período prolongado de tiempo seco, es decir con poca
lluvia (CENAPRED, 2001).
Sequía es la carencia de agua en el suelo, que se origina por el agotam Cuando es grande y
prolongada, perjudica el bienestar y las actividades humanas. (Ovsei, 1996).
Palmer define sequía meteorológica como el intervalo de tiempo, generalmente con una
duración del orden de meses o años, durante el cual el aporte de humedad en un determinado
lugar cae consistentemente por debajo de lo climatológicamente esperado o del aporte de
humedad climatológicamente apropiado, Russell et al son más concisos: falta prolongada de
precipitación, inferior a la media. (Palmer, 1965; Russell et al., 1970).
La sequía es una condición climática anormalmente seca en un área específica que se prolonga
debido a la falta de agua y causa un serio desbalance hidrológico. (SMNH, 2012).
Una sequía se define como un déficit significativo en la disponibilidad de agua debido a lluvias
menores que lo normal. (Bravo y Salinas, 2006).
Se puede hablar de sequía meteorológica, como una situación caracterizada por la ausencia
prolongada de lluvias en periodos que normalmente serían lluviosos (Núñez et al., 2007). Dicha
sequía puede convertirse en sequía hidrológica cuando se abaten los escurrimientos
superficiales, los embalses y los acuíferos (Marcos, 2001).
La sequía meteorológica suele definirse a partir de un umbral de déficit de precipitación que se
alcanza durante un periodo de tiempo previamente determinado.
La sequía agrícola se define habitualmente en términos de disponibilidad de agua en los suelos
para el sostenimiento de los cultivos y para el crecimiento de las especias forrajeras y, menos
habitualmente, como una desviación de los regímenes de precipitación normales durante cierto
periodo de tiempo.
La sequía hidrológica es un concepto todavía más independiente del déficit de precipitación ya
que suele definirse como la desviación de las pautas de aflujo de agua en la superficie y en el
subsuelo, tomando como referencia valores promediados en distintas fechas cronológicas.
La sequía socioeconómica refleja la relación entre la oferta y la demanda de mercancías
básicas, como lo son el agua, los piensos o la energía hidroeléctrica, que dependen de las
precipitaciones. (OMM, 2006).
México tiene gran parte de su territorio en la franja de alta presión de latitud norte, por lo
que tiene zonas áridas y semiáridas; ellas coinciden en latitud con las regiones de los grandes
desiertos africanos, asiáticos y australianos. (CENAPRED, 2008).
26
En 2002 se empezó con un proyecto para el monitoreo de eventos climáticos extremos sobre
el territorio de Canadá, México y Estados Unidos llamado El Monitor de Sequía de América del
Norte (North American Drought Monitor, NA-DM). (CONAGUA,2003)
Las sequías presentan 3 rasgos distintivos: intensidad, duración y extensión. La magnitud de los
efectos de una sequía está estrechamente relacionada con el momento en que comienza la
escasez de precipitación y con la intensidad y duración del fenómeno. (OMM, 2006).
La sequía es un fenómeno que causa estragos en las actividades económicas, en especial las
referidas a las del sector primario como es la agricultura y la ganadería. En este tipo de
fenómeno las consecuencias pueden ser prolongadas desde meses hasta años por sus efectos
en las condiciones de la tierra que no permite el desarrollo de la producción agrícola ni
ganadera. (Bitran et al., 2003)
27
2.3 Referencias
1. Acevedo Federico, Antonio Luna Diaz-Peon. Principales fenómenos meteorológicos que
afectaron el estado de Veracruz en el año 2005
2. Alexander D. Natural disasters. New York: Chapman & Hall, Inc.; 1993
3. Aparicio Florido José Antonio. LLUVIAS E INUNDACIÓNES Máster en Protección Civil
y Emergencias – Universidad Politécnica de Valencia @ Octubre, 2003 libro en línea
http://www.iaem.es
4. Arreguín, Felipe; Lopez Pérez, Mario; Marengo Mogollón, Humberto, 2011: in: Oswald
Spring, Úrsula (Ed.): Water Resources in Mexico. Scarcity, Degradation, Stress,
Conflicts, Management, and Policy. Hexagon Series on Human and Environmental
Security and Peace, vol. 7 (Berlin – Heidelberg – New York: SpringerVerlag): in press.
5. Bitran B, L. Domínguez M., R. Durán H., Ó. Fuentes M., N. García A., M. Jiménez E., Ó.
López B., L.G. Matías R., C. Reyes S., M. A. Salas. S., Ó. Zepeda R. Impacto
socioeconómico de los principales desastres ocurridos en la república mexicana en el año
2002. Centro Nacional de Prevención de Desastres1ª edición, noviembre 2003.
6. Bravo, A. y H. Salinas (2006) "Introducción, conceptos y definiciones de sequía" en
Bravo, A., H. Salinas y A. Sotomayor (comp.) Sequía: vulnerabilidad, impacto y tecnología
para afrontarla en el norte de México. Zacatecas, INIFAP–SAGARPA.
7. Breña Puyol, A.G. Precipitación y Recursos Hidráulicos en México. UAM, 2006, 5 -20.
8. CENAPRED. Diagnóstico de Peligros e identificación de Riesgos de Desastres en México,
Capitulo 3 Riesgos hidrometeorológicos CENAPRED, 2001, 105-148
9. Centro Nacional de Prevención de Desastres. Secretaría de Gobernación. Ciclones
Tropicales. Serie Fascículos, México. 2007. http://www.cenapred.unam.mx/es/
Publicaciones/archivos/3112008Fasc._Ciclones_2007.pdf.
10. CONAGUA. Estadísticas del Agua en México, Edición 2007. CONAGUA-SEMARNAT,
Diciembre, 28-30.
11. CONAGUA. Análisis Climático Noviembre 2010 - Marzo 2011 Otoño – Invierno Servicio
Meteorológico Nacional Gerencia de Meteorología y Climatología Subgerencia de
Pronóstico a Mediano y Largo Plazo. CONAGUA-SMN, 2010-2011)
12. EMDAT, 2011 (14 de abril, 2011): en: <http://www.emdat.be/database>.
13. IMTA. 2009. Página del Instituto Mexicano de Tecnología del Agua.
http://www.imta.gob.mx/
14. INE. Instituto Nacional de Ecología. 2008
http//www.ine.gob.mx/oclimático/edo_sector/estados/estados.html
15. IPCC .Panel intergubernamental del Cambio Climático.
http://www.ipcc.ch/pdf/assessment-report/ar4/wg1/ar4-wg1-annex-sp.pdf
16. Jáuregui, E. Los huracanes prefieren a México. Informacion cientifica y Tecnologica 11.
1989. (155): 32-39.
17. Landa Rosalba. Amenazas del clima: Ciudades Vulnerables. México social. CEIDAS, 2011.
18. Magaña, V. y C. Neri. Eventos Hidrometeorológicos Extremos en el Valle de México.
Publicado en Revista Ciudades. Núm. 74, 2007, pp. 26-30.
28
19. Marcos, O. (2001) "Sequía: definiciones, tipologías y métodos de cuantificación"
en Investigaciones Geográficas. (26), pp 59–80
20. Ovsei Gelman Muravchik, Desastres y protección civil. Fundamentos de investigación
interdisciplinaria. UNAM. México 1996. Pag 41-44
21. National Research Council. The U.S. national report. Facing the challenge. Washington,
D.C.: National Academy Press; 1994.
22. Noji Eric K. Impacto de los desastres en la salud publica. Organización panamericana de
la salud. Bogota Colombia 2000. 461 pp.
23. Office of the United Nations Disaster Relief Coordinator. Mitigating natural disasters:
phenomena, effects and options. Geneva: Office of the United Nations Disaster Relief
Coordinator; 1991
24. Organización Meteorológica Mundial (OMM). Vigilancia y alerta temprana de la sequía:
Conceptos progresos y desafíos futuros. Ginebra OMM 2006,28pp Sección a
25. Organization of American States. Primer on natural hazard management in integrated
regional development planning. Washington, D.C.: Organization of American States;
1991.
26. Ortiz Gómez, R., Zúñiga Alvarado C., Barragán Barrios C., Wagner Gómez, A.I. (2010).
Análisis de la red de estaciones climatológicas de la República Mexicana. Memorias del
Congreso Nacional de Hidráulica, AMH, Guadalajara, Jal., octubre del 2010
27. Palmer, W.C. (1965). Meteorological drought. Research Paper N. 45, US. Department of
commerce Weather Bureau, Washington DC, 58pp.
28. Russell, C.S, Arey, D.G y Kates, R.W. (1970). Drought and water supply. Johns Hopkings
University Press. Baltimore (EEUU) 232 pp.
29. Salinas Zuñiga, Moises La vulnerabilidad social de los grupos afectados por el ciclón
Isidoro en dos comunidades de Yucatán ¿reubicación o proceso de exclusión? Tesis
UNAM.
30. Servicio Meteorológico Nacional de Honduras, 2012. http://www.smn.gob.hn/web/
glosario
31. World Meteorological Organization. The role of the World Meteorological Organization
in the International Decade for Natural Disaster Reduction. Report No.WMO-745.
Geneva: World Meteorological Organization; 1990.
29
Capítulo 3 Disponibilidad de datos en México
3.1 Introducción
En México existen diversas fuentes de información oficial y alterna de datos estadísticos del
agua, mapas, coberturas digitales y base de datos. Los organismos públicos oficiales que
proporcionan estadísticas e informes a nivel internacional son:
La Organización de las Naciones Unidas para la Educación (UNESCO); El Programa de las
Naciones Unidas para el Desarrollo (PNUND; la comisión Económica para América Latina; a nivel
federal se encuentra el Servicio Meteorológico Nacional; Instituto Mexicano de Tecnología del
Agua (IMTA); Comisión Nacional del Agua (CONAGUA); Instituto Nacional de Ecología (INE);
la Secretaría de Medio Ambiente y Recursos Naturales (SEMARNAT); Instituto Nacional de
Estadística y Geografía (INEGI); a nivel regional están: Regiones Hidrológicas-Administrativas,
Organismos de cuenca, CONAGUA y a nivel estatal, CONAGUA, INEGI y Gobierno Estatal.
(Perevochtchikova, 2008).
La CONAGUA contiene gráficas, tablas y textos que reflejan la disponibilidad del agua en el
país, el abastecimiento de agua potable, alcantarillado, tratamiento del agua municipal e
industrial. El INEGI maneja estadísticas ambientales y sintetiza la información geográfica
por estado. (Perevochtchikova, 2008).
EL INEGI y la CONAGUA están encargados de la elaboración de mapas oficiales; los del
INEGI en escala de 1:1000000 contienen información para aguas superficiales y agua
subterránea Se dispone del cubrimiento nacional en un total de 11 cartas topográficas en
formato individual, que corresponde al mismo número de archivos imagen digital (raster). La
información de la carta ha sido derivada del cubrimiento topográfico a la escala de 1:250 000,
su actualización se realizó a partir de información de campo de 1996. En el caso de las aguas
superficiales existen los datos de cuencas, coeficientes de escurrimiento, estaciones
meteorológicas, estaciones hidrométricas, red fluvial, presas, zonas inundables, suelo salino,
zonas de riego, y relieves. (INEGI, 2011).
Para agua subterránea están disponibles los acuíferos, permeabilidad del suelo, dirección del
agua subterránea, zonas de veda, zonas de intrusión salina, aguas termales y relieve. También
existen mapas escala 1:250000 en formato impreso y digital que contienen lo mismo que los de
escala 1:1000000 anexando datos de sub-cuencas, suelo alcalino e isolíneas de temperatura y
precipitación para el caso de agua superficial y puntos de monitoreo de la calidad del agua en el
caso de las subterráneas. (Perevochtchikova, 2008).
Otros datos disponibles son las coberturas digitales; Subgerencia de información Geográfica
del agua (SIGA-CONAGUA) muestra las cuencas, sub-cuencas, RHA, red fluvial, el INEGI
contiene la hidrología subterránea y superficial y el INE las cuencas hidrográficas.
30
A nivel oficial se tiene acceso a bases de datos como el CLICOM (2000), ERIC I, II y III,
BANDAS (1999), INEGI (1983). (Perevochtchikova, 2008).
A nivel de la cuenca de México se tienen registradas 193 estaciones climatológicas y en
partículas para la Zona Metropolitana del Valle de México (ZMCM), 99 estaciones. El Sistema
de Aguas de la Ciudad de México (SACM) tiene 78 estaciones con la finalidad de atender la
problemática de las inundaciones en la ZMCM; La Red de Meteorología y Radiación Solar
(REDMET) del Sistema de Monitoreo Atmosférico de la Ciudad de México (SIMAT) tiene 15
estaciones. (Perevochtchikova, 2008).
El sistema de observación hidrológica (SOH), ofrece datos de observación hidrométrica,
volúmenes, caudales, niveles, calidad, sedimentación etc., los cuales son útiles para el cálculo
de la disponibilidad del agua, pronosticar hidrológicos, proyectos hidroeléctricos,
infraestructura para llevar agua potable. La desventaja de el SOH es la falta de continuidad
de los datos en las series del tiempo, ausencia de informes hidrológicos integrales de las
estadísticas generadas a nivel local, considerando la información de todos los organismos que
realizan la observación, falta de cartografía oficial ecualizada. (Perevochtchikova, 2008).
3.2 Datos hidrométricos y climatológicos disponibles
La CONAGUA cuenta con 4,008 estaciones en operación para medir las variables climatológicas
mostradas en la figura 3.2.1 y las hidrométricas mostrados en la figura 3.2.2. De ellas 1,064 se
consideran como estaciones de referencia de las cuales se obtiene la información para calcular
la precipitación media de 30 años. Las estaciones climatológicas miden la temperatura,
precipitación pluvial, evaporación, velocidad y dirección del viento. (CONAGUA, 2010).
Figura 3.2.1. Red de estaciones climatológicas 2009. Fuente CONAGUA.
31
El SMN cuenta con un registro de cerca de 4500 estaciones climatológicas, 94 estaciones
automáticas, 12 radares y 80 estaciones tipo observatorio.
La Gerencia de aguas superficiales e ingeniería de Riso (GASIR) dependiente también de la
CONAGUA cuenta con 84 estaciones hidroclimatológicas automáticas (EHCA), 248
hidroclimatológicas, 3700 climatológicas y 600 hidrométricas a cuya información el SMN tiene
acceso y parcialmente incorpora su base de datos climatológicos.
Las estaciones hidrométricas miden el caudal de agua de los ríos, así como la extracción por
obra de toma de las presas. Las estaciones hidroclimatológicas miden algunos parámetros
climatológicos e hidrométricos.
Figura 3.2.2. Estaciones hidrométricas 2010, Fuente CONAGUA.
Una estación meteorológica automática mostrada en la figura 3.2.3 está conformada por un
grupo de sensores que registran y transmiten la información, recopilan y monitorean algunas
variables meteorológicas para generar archivos del promedio de cada 10 minutos de todas las
variables, la información es enviada vía satelital en intervalos de 1 a 3 hrs por estación.
La estación cuenta con sensores de:
Velocidad del viento
Dirección del viento
Presión atmosférica
Temperatura y humedad relativa
Radiación solar
Precipitación
32
Figura 3.2.3 Estructura de estación (Tipo andamio).
Una Estación Sinóptica Meteorológica como la de la figura 3.2.4 consiste en varios
dispositivos eléctricos que realizan mediciones de las variables meteorológicas de manera
automática; están ubicadas exclusivamente en los observatorios meteorológicos. Generan una
base de datos y generan un mensaje sinóptico cada tres horas.
Los mensajes sinópticos son reportes que se generan simultáneamente en todos los
observatorios cada tres horas y presentan información meteorológica de tiempo presente y
pasado de manera codificada los mensajes sinópticos se rigen por el Tiempo Universal
Coordinado (UTC).
Actualmente, la Red Nacional de Estaciones Sinópticas Meteorológicas cuenta con 30 sitios.
Los sensores de las ESIME´s son:
Temperatura y Humedad Relativa
Presión Atmosférica
Dirección del Viento y Velocidad del Viento
Radiación Solar
Precipitación
Visibilidad
Temperatura a 10 cm de la superficie
33
Figura 3.2.4. Estación sinóptica Meteorológica.
3.2.1 Datos de la Comisión Nacional del Agua.
La CONAGUA, a través del Instituto Mexicano de Tecnología del Agua (IMTA) ha venido
actualizando el Banco Nacional de Datos de Aguas Superficiales (BANDAS) que integra la red
hidrométrica nacional. En esta red se registra el nivel de agua (escalas) y la cantidad de agua
que pasa a una determinada hora (aforos) en los principales ríos de la República Mexicana;
cuenta con los datos de 2,070 estaciones hidrométricas, las cuales son el resultado de una
depuración al catálogo BANDAS hecho en 2008 por la CONAGUA y el IMTA.
Aproximadamente 480 estaciones fueron actualizadas hasta el año 2006 y tiene registradas
aproximadamente 180 presas.
La información que se puede encontrar de cada estación hidrométrica es:
Valores diarios: Gasto medio diario (m3/s) día 1 a día 29-31.
Valores mensuales: Se incluyen la hora y el día del gasto máximo y el gasto mínimo
(m3/s). Además de la lectura de volumen máximo y medio de escurrimientos (miles de
m3), sedimentos (miles de m3) y la lectura del día y hora de las escalas para el gasto
mínimo, medio y máximo.
Valores anuales: Menciona el mes, día y hora en que ocurre el gasto máximo y gasto
mínimo (m3/s). La lectura de escala para el gasto máximo y mínimo (m), además del
volumen anual de escurrimientos (miles de m3), gasto medio anual (m3/s) y volumen anual
de sedimentos (miles de m3).
34
Hidrograma: Incluye la fecha en que ocurre el gasto, Hora en que ocurre el gasto y
Gasto instantáneo (m3/s).
Limnigrama: Muestra la fecha de lectura, hora de lectura y lectura de escala (m).
Sedimentos: Se incluye la fecha de lectura, hora de lectura y porcentaje de sedimento.
La CONAGUA cuenta con un inventario digital que fue planeado para servir de herramienta
dinámica y flexible que puede crecer conforme se disponga de información más completa, para
esto se tuvo que definir la estructura de la unidad básica del inventario, se le denominó ficha
de captura, la cual sintetiza información y se puede modificar. Con la ayuda de esta unidad
básica se construye una base de datos donde queda almacenada la información capturada
textual y gráfica, esta información podrá usarse después para explotar la información en
Sistemas de Información Geográfica (SIG´S) como en modelos hidrodinámicos.
La base de datos está en lenguaje SQL para poder aplicarlos en las actividades y plataformas
informáticas de la Subdirección General de Infraestructura Hidroagrícola de la CONAGUA. La
aplicación de la base de datos se muestra en el siguiente esquema (Figura 3.2.1.):
Figura 3.2.1. Aprovechamiento y aplicación de la base de datos
El Sistema de Información Geográfica fue diseñado como un sistema computacional para el
desarrollo de análisis gráficos, los SIGS están compuestos por 4 subsistemas: uno de ingreso
para convertir mapas y datos espaciales en formatos digitales, un subsistema de
almacenamiento y recuperación, de análisis y uno de resultados para la elaboración de mapas,
tablas y respuestas a preguntas geográficas.
Con el SIG se logran construir mapas dinámicos e inteligentes que permiten visualizar
patrones, tendencias y singularidades en los datos. El SIG para la ficha de inventario nacional
de obras de protección contra inundaciones en cauces naturales en Arcview se genera
integrando un conjunto de datos geográficos dentro de un proyecto. Cada conjunto constituye
un tema y se le asigna una tabla de atributos que en realidad es una base de datos con
35
características específicas almacenadas. Con estos temas es posible generar una vista que
ilustra el mapa con la información deseada.
Para el inventario se construyeron dos SIG, uno desarrollado en la plataforma que usa la
CONAGUA “Arcview” en el SIGA y otro que emplea el manejador de información de mapas
satelitales Google Earth.
3.2.1.1 Software y bases de datos disponibles A finales de los 90´s las bases de datos relacionadas con el clima estaban disponibles en discos
compactos; tal es el caso del extractor rápido de información climatológica (ERIC I y ERIC II),
por su facilidad de distribución fueron de gran utilidad hasta el año 2002 por su falta de
actualización por las instituciones emisoras lo que limitó la información.
Actualmente, existe ERIC III un programa que cuenta con la información del banco de datos
histórico nacional del SMN de la Comisión Nacional del Agua. Algunas estaciones contienen
información desde 1900; el 88.4 % de los datos corresponden al período de 1960 a 2007. Para
algunas pocas estaciones se tiene información hasta el 2008.
La Comisión Nacional del Agua ha estado actualizando la información hidrométrica nacional que
generan los Organismos de cuenca y las direcciones locales con el apoyo del IMTA.
El contenido del Banco Nacional de Datos de Aguas superficiales (BANDAS) actualizado hasta
el 2006 está a disposición del público en general, en la página de la CONAGUA; los archivos se
encuentran con extensión DBF tal como se generan con el SIAS ( sistema de información de
aguas superficiales) y otros con extensión MDB tal como los maneja el SIAS v2. Los primeros
son visibles en Visual Fox Pro y los segundos en Microsoft Access.
La información histórica para hidrometría consiste en datos diarios, mensuales, anuales,
limnigramas, hidrogramas y sedimentos.
La información de régimen de funcionamiento contiene los gastos medios diarios, datos
horarios, gastos, volúmenes, lecturas de escala extremos mensuales y datos especiales de
vasos de almacenamiento.
Se cuenta con un inventario de estaciones hidrométricas, inventarios de presas, descripción de
la estructura de los archivos bandas y banco de datos.
El inventario de estaciones hidrométricas contiene la relación de las estaciones existentes en
un archivo de Excel que consiste en:
Clave de la estación
Periodo de datos registrados
36
Nombre de la estación
Nombre de la corriente a la que pertenece la estación
Nombre de la cuenca a la que pertenece la estación
Nombre del estado al que pertenece la estación
Región hidrológica a la que pertenece la estación
Descripción de la estación
Longitud en grados, minutos y segundos
Latitud en grados, minutos y segundos
Descripción de la corriente
Nombre del colector general
Nombre del afluente, del canal, de la corriente y sub-afluente
Latitud en décimas de grados
Longitud en décimas de grado
El inventario de presas contiene la clave de la presa, período de años registrados, nombre,
elevación de cresta del vertedor, áreas de embalse, etc.
El Sistema de Información Geográfica para el Seguimiento de Huracanes (SIGSHUR), fue
diseñado con la intención de contar con una herramienta para la planeación y la toma de
decisiones en situaciones de emergencia. (Figura 3.2.2.1.1). El sistema tiene la capacidad de
mostrar en tiempo real la trayectoria, la posición actual y la trayectoria pronóstico de los
ciclones tropicales en sus diferentes fases que van desde una Depresión Tropical, Tormenta
Tropical hasta Huracán (Con sus diferentes categorías).
Adicionalmente muestra imágenes de satélite en tiempo real de los sensores Infrarrojo,
Visible y Vapor de Agua, con resolución de 8 km y 12 km, así como sus respectivas animaciones
de las últimas 10 imágenes, además de imágenes fijas con resolución de 4 km.
Se debe de contemplar que para acceder al SIGHUR es indispensable una conexión a internet y
tener instalado el programa Google Earth,
Figura 3.2.2.1.1. Programa de Seguimiento de huracanes
37
Utilizando el programa de Google Earth se puede abrir un módulo de Trayectoria de huracanes
el cual incluye la posición en vivo de los huracanes y Productos oficiales NHC en el cual se
despliegan las capas de informacion del fenómeno meteorológico que está afectando en el
momento. La información mostrada deja ver la posición actual, cono de incertidumbre, ruta
pronóstico y trayectoria del fenómeno. Si se le da click en algun punto de la información
mostrada aparece una ventana con la base de datos del tema, por ejemplo la posición actual del
fenómeno con las coordenadas geográficas, vientos máximos registrados y presión.
Los temas que se pueden desplegar en el módulo de capas son : estaciones convencionales,
localidades con SAP ( sistemas de agua potable) divididos por estado y municipio, reporte de
seguimiento y avisos.
3.2.2 Datos del Servicio Meteorológico Nacional.
El Servicio Meteorológico Nacional de México dispone de una red de observación de superficie
y altura de cobertura nacional, de una red de radares meteorológicos y de estaciones de
recepción de información procedente de los satélites meteorológicos geoestacionarios GOES y
polares TIROS.
La red actual de observación de superficie del SMNM cuenta con 212 estaciones, 79 forman la
red sinóptica de superficie y las 133 restantes constituyen la red de estaciones meteorológicas
(EMAS).
La red sinóptica de superficie del SMNM estaba constituida por 72 observatorios sinópticos
de los cuales solo 13 estaban operando plenamente. A finales del 2003 eran 79 observatorios y
solo 31 cumplían con su función.
En la tabla 3.2.2.1 se indica el número de observatorios existentes.
Tabla 3.2.2.1. Observatorios existentes y distribución geográfica.
38
La red de radares meteorológicos cuenta con 13 radares, 7 de ellos suministrados por las
empresas Ericsson y el resto por EEC los cuales permiten una cobertura nacional del 70%. Cada
radar genera una imagen cada 15 minutos y se transmite via FTP a las oficinas de SMNM dodne
se difunden a los diferentes departamentos para su utilización operativa.Figura 3.2.2.1
Figura 3.2.2.1. Ubicación de radares en la Republica Mexicana.
El Servicio Meteorológico Nacional (SMN), cuenta con una red de 80 observatorios
meteorológicos, los cuales generan información meteorológica y climatológica del país, para dar
servicio tanto a instituciones Nacionales Gubernamentales y Privadas, como a Organismos
Internacionales como es la Organización Meteorológica Mundial (OMM).
La información se ocupa para el análisis y elaboración de pronósticos del tiempo, estudios
hidrológicos, climatológicos, agro meteorológicos, etc.
Estos observatorios meteorológicos deben trabajar las 24 horas del día los 365 días del año
ininterrumpidamente; solamente el 27 % labora de esta forma debido a la falta de personal. En
esta red se realizan mediciones de los elementos del tiempo atmosférico de la siguiente forma:
Cada 3 horas, a tiempo real y por acuerdos internacionales, para ser transmitidas por
diversos medios de comunicación al Centro Nacional de Telecomunicaciones
Meteorológicas (CNTM), para su posterior retrasmisión al Centro Meteorológico
Mundial de Washington (CMMW) para su difusión mundial, así como a todos los usuarios
nacionales.
Mensualmente. con los registros horarios, se realiza un reporte de acuerdo a la
normatividad de la OMM, el cual es transmitido al CNTM a más tardar a los 4 días
siguientes de concluido el mes, para su retransmisión al CMMW para ser difundida
mundialmente.
39
Como se comentaba anteriormente la transmisión de la información se realiza cada 3 horas a
tiempo real (mensajes sinópticos), es decir se deben recibir 8 mensajes por día por cada
observatorio y de acuerdo al Tiempo del Meridiano de Greenwich (GMT).
Actualmente, se está modernizando la recepción de información meteorológica, acorde con las
tecnologías disponibles que permitan su operación, manejo adecuado y en los tiempos
establecidos por el Sistema Mundial de Telecomunicaciones Meteorológicas. Así también se
está trabajando mucho para que esta información sea más oportuna, de mejor calidad y en
bases de datos administrables para consultas rápidas y flexibles de información histórica para
atender las solicitudes de los distintos usuarios.
3.2.2.1 Software y bases de datos disponibles.
La base de datos climatológica nacional (BDCN) administrada en la unidad del servicio
meteorológico nacional (USMN) que es una dependencia de la CONAGUA maneja el programa
CLICOM proporcionado por la Organización Meteorológica Mundial (OMM) el cual es una base
de datos históricos; el proyecto CLICOM es considerado por la Organización Meteorológica
Mundial la mejor manera de obtener una capacidad para controlar la calidad, recuperación y
análisis de los datos climatológicos procedentes de los Servicios Meteorológicos. El CLICOM es
un sistema computarizado que contiene la información registrada en la red de estaciones
climatológicas convencionales. (Miranda, 2003).
El CLICOM es una cooperación voluntaria de los Estados Unidos al programa voluntario de
cooperación en apoyo a la base de datos climática mundial y fue programado en el National
Climatic Data Center en Ashville, North Carolina y National Weather Service en Silver Spring,
Maryland, en el año de 1992. El CLICOM versión 3.0 es un programa para computadoras PC que
sirve en el manejo de bases de datos y realiza una amplia variedad de tareas relacionadas con
el procesamiento de datos climatológicos. En general CLICOM se maneja en forma de menú, en
un sistema de despliegue pantalla por pantalla, con un menú principal de ocho opciones a
escoger, cada opción es un módulo que realiza tareas diferentes. Los principales módulos para
el manejo de los datos son el módulo de administración de datos, el módulo de ingreso de datos
del clima y control de calidad y el módulo de producto de datos climáticos. Este programa
cuenta con una base de datos en la cual se encuentran capturados aproximadamente 300
diferentes parámetros a nivel mundial. En conjunto se puede obtener información de todos los
parámetros en una estación seleccionada, así como gráficas, aplicaciones personalizadas y
programas estadísticos. (Salinas 1998).
El sistema CLICOM trabaja con aplicaciones ejecutables en lenguaje Fortran versión 5.0, los
archivos controladores son de tipo BATCH. La versión de CLICOM que se utiliza es la 3.0 que
40
data desde 1992 y el manejador de la base de datos es el programa Data Easy Versión 4.0 del
2000.
Con este programa se obtiene un acceso rápido a la información, con su manejo confiable y
seguro y con los datos obtenidos se cuenta con una estadística climatológica para la toma de
decisiones a futuro.
El SMN podrá elaborar pronósticos más precisos y oportunos con datos recabados por
aeronaves civiles y comerciales durante sus operaciones cotidianas a partir del 2012 a través
de una red de observación conocida como AMDAR (Sistema de transmisión de datos
meteorológicos desde aeronaves) que transmitirá los datos meteorológicos para el
enriquecimiento del sistema de predicción climática.
El recabar los datos del AMDAR que ya transmiten los aviones comerciales en su despegue,
trayecto y aterrizaje, permitirá tener una mayor cobertura geográfica y monitorear mejor las
condiciones meteorológicas. Para el mejor aprovechamiento de estos datos habrá que instalar
un software que codifique la información obtenida para que sea accesible al servicio
meteorológico.
Con datos de Satélite GOES en México se puede estimar la precipitación con el Proyecto
Hydroestimator PROMMA - NWS – SMN. El cual ha sido una herramienta de bastante utilidad
para monitorear la distribución de la precipitación en zonas alejadas y en donde no existe
infraestructura adecuada para medir la precipitación. El Servicio Meteorológico Nacional de
México, SMN y de los Estados Unidos, NWS, han implementado en forma conjunta la operación
del sistema.(SMN, 2012).
El sistema permite un monitoreo continuo, y por ende, observar y prever zonas potenciales de
inundaciones. El antecedente de este sistema es el Autoestimator, el cual fué desarrollado
varios años atrás como un proceso automático que asiste a los meteorólogos para monitorear la
precipitación a escalas pequeñas, particularmente en regiones donde no existen datos de radar
o datos pluviométricos.
Los datos de precipitación que se presentan en forma diaria, es el resultado de un promedio de
las imágenes de satélite recibidas en un lapso de 24 horas. La acumulación se inicia a partir de
las 7:00 de la mañana del día anterior, hasta las 7:00hrs del día actual. Los datos que se
presentan en la línea con los nombres de los días de la semana, corresponden a los datos de
precipitación acumulados en los últimos 7 días.
El Centro Nacional de Telecomunicaciones Meteorológicas (CNTM) del SMN es responsable de
la validación, integración, control y archivos de información meteorológicas enviada por los
observatorios, de los boletines y de su envío al CMM de Washington. Para el envío de la
información se cuenta con enlaces terrestres ADSL/FTP a 1Mbps. Existen del orden de 24
observatorios sinópticos de superficie que trasmiten información vía teléfono al CNTM y
También existe un enlace con la CNA a 2Mbps.
41
Se tiene una conexión con el Centro Meteorológico Mundial de Washington a través del WAFS
(World Area Forecast System) para lo que se cuenta con una estación terrena de transmisión y
recepción ubicado en la sede central del SMN.
Para la información procedente de la red EMAS se utilizan satélites geoestacionarios (GOES);
se tiene otra conexión satélite para la recepción del canal de información meteorológica
Weather Channel.
Con todos los datos disponibles a nivel nacional se han logrado realizar investigaciones de
mayor calidad sustentadas con datos del CLICOM, BANDAS u otras bases de datos digitales
dependiendo de la zona de estudio. La información también ha servido para pronosticar
temporadas de huracanes. Con la ayuda del SIGSHUR, la CONAGUA emite boletines que
ayudan a alertar a la población de un posible evento extremo y así poder planear y tomar
decisiones en emergencias.
42
3.3 Referencias
1. Comisión Nacional del Agua. Banco nacional de datos de aguas superficiales (bandas).
consulta de datos hidrométricos, de sedimentos y vasos
http://www.conagua.gob.mx/CONAGUA07/Contenido/Documentos/Portada%20BANDA
S.htm
2. Comisión Nacional del Agua 2010. http://www.conagua.gob.mx/
3. Comisión Nacional del agua. CONAGUA 2011. Disponible en: http
4. Instituto Mexicano de tecnología del agua
http://www.imta.gob.mx/index.php?Itemid=145&option=com_wrapper&view=wrapper
5. Inventario Nacional de Obras de protección contra inundaciones en cauces naturales.
CONAGUA 2010. http://sgh.conagua.gob.mx/
6. Miranda Alonso S, Benítez Pensado V., Flores Zamudio R. Una herramienta para el
manejo de los datos climatológicos del país. IMTA 2003.
7. Perevochtchikova María, Simposio: Desarrollo de las estadísticas del medio ambiente;
fuentes, alcances y usos. Centro de Estudios Demográficos Urbanos y Ambientales.
Octubre 2008.
8. Proyecto de Modernización del Servicio Meteorológico Nacional de México Diagnóstico
Institucional y Plan Estratégico de Desarrollo 2010-2019 Consultoría realizada con la
asistencia técnica de la OMM. (octubre 2009-enero 2010)
9. Salinas V.M. Actualización y manejo de la base de datos de precipitación y temperatura
para el estado de Michoacán, Universidad Michoacana de San Nicolás de Hidalgo. Tesis,
1998.
10. Servicio Meteorológico Nacional. Información sinóptica de los observatorios
http://smn.conagua.gob.mx/index.php?option=com_content&view=article&id=22&Itemid
=90. 2012
11. Servicio Meteorológico Nacional http://smn.conagua.gob.mx/emas/
12. Vázquez Aguirre J.L. Datos climáticos de la República Mexicana: panorama actual y
requerimiento inmediato. Primer foro del medio ambiente atmosférico en el estado de
Veracruz, Febrero 2006.
43
Capítulo 4 Metodologías para su estudio
Introducción
En este capítulo se presentan algunas metodologías actualmente aplicadas en México y otros
países para el análisis de fenómenos meteorológicos extremos.
4.1 Huracanes
El Método gráfico para el pronóstico de oleaje durante huracanes en el Caribe por Lizano,
(1996), se basa en gráficas sencillas para calcular dirección y altura de la ola en cualquier
región del huracán. Para generar las condiciones de oleaje se utiliza un modelo numérico de
segunda generación (Recio, 1981), adaptado para el pronóstico de oleaje ante huracanes
(Lizano, 1988). Este método utiliza un modelo de viento cuyo perfil está dado por (Lizano,
1990):
r < R (1)
r > R (2)
Si hacemos:
(3)
Entonces:
(4)
Donde:
r: distancia desde el ojo del huracán (Km).
R: radio del ojo del huracán (Km).
Pa: presión atmosférica ambiente (1013 hPa).
P : presión atmosférica en el ojo ( hPa).
A: Área en estudio (m2).
Vf: velocidad de avance del huracán (m/s).
: Ángulo entre el vector local del viento y la dirección de la tormenta (rad).
Vmax: velocidad máxima del viento alrededor del ojo del huracán en (m/s).
f: parámetro de Coriolis (2ωSenθ, donde θ es la latitud en radianes);
= 3.354, 1.265x10-3
k: 0.095; m= 1.575. Valores ajustados según Lizano (1988,1990).
44
Los rangos de los parámetros Pa, Vf fueron extraídos del análisis estadístico realizado por
Lizano y Fernández (1995) del registro de la Administración Oceánica y Atmosférica Nacional
(NOAA). El radio de viento máximo es un valor poco reportado que se determina con aviones de
reconocimiento e imágenes satelitales. Lizano y Fernández realizaron un estudio para
determinar su importancia en generación de olas para el modelo del área en estudio.
Simplificando la ecuación (3) se tiene:
El modelo de generación de olas es discreto espectral (Recio, 1981; Recio y Tracy, 1983) que
necesita gran capacidad de memoria por lo que debe establecerse una relación entre el tamaño
del área de simulación y el tamaño de malla utilizado para resolver las ecuaciones.
El área que se muestra en la Figura 4.1.1 fue seleccionada de manera que el tamaño de rejillas
resuelva el ojo del huracán y el modelo numérico utilizará el máximo de la memoria expandida
de una PC compatible.
Figura 4.1.1. Área de aplicación del método manual de pronóstico de oleaje.
La simulación para cada característica del huracán llevada a cabo por Lizano y Fernández, se
realizó por un periodo de al menos 30 horas para que el huracán alcanzara su estado de
maduración.
Este método sirve para hacer un pronóstico aproximado del oleaje ante la amenaza de un
huracán, es un método gráfico sencillo que utiliza los parámetros básicos proporcionados por
los servicios de información meteorológica.
Gopalakrishnan et al, (2006), explican brevemente la técnica de anidación, el algoritmo del
movimiento nido y algunos resultados de la trayectoria del vórtice del huracán para casos
ideales y reales.
Mar Caribe
45
Un nuevo enfoque (Janjic et al, 2001; Janjic, 2003) se aplicó en el mesomodelo no hidrostático
(NMM) que es actualmente una opción principal dentro de la iniciativa modelo del WRF
(Weather Research and Forecasting); con este enfoque, en lugar de extender los modelos de
nubes de grandes escalas espaciales y temporales, la aproximación hidrostática está atenuada
a un sistema hidrostático de ecuaciones con el fin de ampliar la aplicación del modelo a
movimientos no hidrostáticos , y al mismo tiempo las características favorables de la
formulación hidrostática se conservan dentro el rango de validez de la aproximación
hidrostática.
El sistema de ecuaciones no hidrostático NMM es formulado considerando una alternación de
latitud-longitud, malla-E y en la vertical, se utiliza la coordenada hibrida de presión-sigma. La
coordenada de latitud y longitud simplemente se transforma de tal manera que el origen de
coordenadas está situado en el centro del dominio de integración.
Este tipo de transformación ofrece un tamaño de malla más uniforme en todo el dominio, y por
consiguiente, evita la necesidad de paso de tiempo excesivamente pequeño cuando nos
acercamos a las latitudes del norte / sur. El sistema dinámico de ecuaciones y las
técnicas numéricas se describen para un dominio uniforme en Janjic et al., 2001 y
Janjic, 2003. Con el fin de hacer frente a múltiples escalas pronósticos, una
capacidad horizontal refinamiento de malla fue desarrollado para este núcleo dinámico y está
siendo probado para el problema de pronóstico de huracanes.
La capacidad de refinamiento comúnmente conocida como malla telescópica soporta de una a
dos vías de interacción entre un dominio fuente de baja resolución y uno o más nidos de alta
resolución y también controla el movimiento de malla de nidos de alta resolución.
Figura 4.1.2. El nido NMM telescópica tal como aparece en un verdadero sistema de coordenadas
de latitud y longitud.
Todas las interpolaciones de la fuente hacia el dominio anidado se realizan con una alternación
de latitud-longitud de la malla-E con la referencia de latitud y longitud localizada en el centro
46
del dominio de la fuente (Figura 4.1.2). En consecuencia, el dominio anidado puede moverse
libremente en cualquier lugar dentro de los puntos de la malla del dominio principal, sin
embargo, el dominio anidado de las líneas de latitud y longitud coinciden con las líneas de
latitud y longitud del dominio principal en el número entero del radio dominio al nido del tamaño
de malla. (Figura 4.1.3).
Para ser coherente con los valores numéricos de modelos NMM, se lleva a cabo el balance de
masas cuasi-hidrostático después de introducir la topografía de la alta resolución. Se utilizan
interpolaciones cúbicas segmentaria para la interpolación de datos de ida y vuelta de las
superficies de presión estándar hacia las superficies híbridas.
Figura 4.1.3. Configuración anidada de la malla-E para una relación 3:1 del dominio al radio del
nido. Wb y sb son los límites al oeste y al sur.
La Figura 4.1.4 ilustra una muestra de la estructura de la malla con filas más al exterior y
columnas que representan la interfaz de entrada. Los datos externos se describen en esta
interfaz. El modelo de integración comienza desde la tercera columna/fila interna que llamamos
interfaz dinámica. Los datos en las penúltimas filas y columnas son una mezcla de los datos de
entrada y la interfaz dinámica. Debido a la estructura de la malla-E y al hecho de que la
interfaz de entrada está bien separada de la interfaz dinámica, los límites anidados son
actualizados cada cierto tiempo del dominio principal exactamente del mismo modo que el
dominio principal es actualizado con los datos de la fuente exterior.
Este enfoque parece ser simple, y sin embargo produce una forma eficaz de actualización
de la interfaz sin distorsiones excesivas. Sin embargo, la interpolación Bi-lineal desde la fuente
al dominio anidado se utiliza para predecir el viento, la humedad y condensación sobre las
superficies híbridas de presión híbridos, mientras que los campos de altura geopotencial se
interpolan en los niveles de presión.
47
Figura 4.1.4. Condiciones límites del nido.
Usando la información extrapolada de los campos más altos del dominio principal y la topografía
de alta resolución sobre el dominio anidado se lleva a cabo un balance de masas seudo-
hidrostático para determinar las condiciones de frontera en cada paso del tiempo en las
columnas y filas más exteriores del dominio anidado. La presión de la superficie, la presión de
la interfaz, la presión de la superficie hidrostática y la temperatura se recuperan en las
superficies híbridas usando la interpolación cúbica segmentaria. El enfoque parece ser simple,
produce un camino efectivo para la actualización de la interfaz sin provocar muchas
distorsiones mientras el nido se mueve.
La realimentación, es decir, la interacción anidada de dos vías es una característica reciente
que está siendo constantemente actualizada y probada. Para la técnica interactiva de 2 vías,
una masa por medio de 13 puntos, campos escalares y el momento del nido de alta resolución se
ponderan y alimentan en el dominio principal.
Un llamado "punto de estancamiento " es elegido como el centro de la tormenta. Al final de
cada paso de tiempo del dominio anidado, se determina la presión dinámica dentro de este
dominio.
El movimiento de nido para huracanes y depresiones tropicales está basado en el concepto de
presión dinámica (Gopalakrishnan et al., 2002). Por lo tanto, en la figura 4.1.5. Se muestra la
variación de la presión dinámica dentro del dominio anidado.
48
Figura 4.1.5. Presión dinámica sobre el dominio anidado para un vórtice fuerte y uno débil.
El llamado punto de estancamiento es elegido como el centro de la tormenta. Al final de cada
paso del tiempo del dominio anidado se determina la presión dinámica dentro del dominio. Si el
centro de la tormenta se transporta más allá de un punto de la malla del dominio principal (3
puntos de la malla desde el centro del dominio anidado para un dominio 3:1 del radio de la malla
del nido), el dominio anidado se mueve a una nueva posición para mantener la tormenta en el
centro del dominio del nido. La diferencia de presiones entre el centro y el punto de la presión
dinámica máxima es menor a 2mb, con lo que el movimiento de la malla se termina.
Cabe señalar que, mientras los datos están siendo intercambiados en un paso de tiempo dado,
antes y después del movimiento de la malla en la mayor parte del dominio, la interpolación y el
balance seudo-hidrostático son aplicados en la región cubierta del borde principal del nido
móvil (donde no hay intercambio de datos).
El algoritmo de movimiento del nido fue probado en una base semi-operativa para la temporada
de huracanes del 2005 que incluye una serie de tormentas y algunas depresiones tropicales. Si
una tormenta es localizada inicialmente con éxito, es decir, al comienzo del pronóstico, en algún
lugar dentro del dominio anidado, el algoritmo es suficientemente enérgico para proporcionar
un movimiento de malla automático en tiempos posteriores. El sistema de malla anidada de
NMM ha sido probado y evaluado por su desempeño. La simulación es capaz de producir
perfectamente la estructura de la tormenta. Figura 4.1.6.
Figura 4.1.6.Simulación del nido anidado de 2 vías a 4 kilómetros del Huracán Katrina antes de
tocar tierra.
49
Córdova y Lamazares, (2012), utilizan modelos numéricos de oleaje, con el objetivo de simular
huracanes hipotéticos o determinar cuál podría ser la trayectoria y características más
desfavorables para una región determinada, además de dotar a esa población de una base de
datos que contribuya a minimizar los daños que pueden ocurrir frente a la presencia de un
fenómeno de este tipo.
Para la calibración del campo de viento paramétrico fue utilizado como plataforma principal el
modelo matemático de tercera generación SWAN (Simulating Waves Nearshore) que sirve
para simular la altura, el período y la dirección de las olas en el área seleccionada y también se
utiliza para obtener estimados reales de parámetros de olas en áreas costeras y lagos, a partir
de vientos y condiciones de corriente (Booij et al. 1999).
Los principales procesos que tiene en cuenta el modelo (Booij et al. 2004) son: Procesos de
generación y disipación de oleaje:
Generación por viento.
Disipación por corte de la zona de espuma de la cresta por el viento.
Disipación por rompiente de la ola debido al fondo.
Disipación por fricción con el fondo.
Interacción ola-ola tanto en aguas profundas como en aguas poco profundas.
Procesos de propagación de oleaje:
Propagación a través de un espacio geográfico.
Refracción debida a variaciones espaciales en el fondo y las corrientes.
Desviación.
Pérdidas de profundidad debida a variaciones espaciales en el fondo y las corrientes
Para que la similitud entre la simulación y las mediciones de las boyas y satélites se garantice,
se trabajó en coordenadas náuticas, las corridas se realizaron en modo NO estacionario debido
a que los huracanes siempre están en movimiento.
Córdova y Lamazares, (2012), realizaron simulaciones para el huracán Wilma (25 de octubre
del 2005) con un total de 97 horas de cálculo y del huracán Iván, (16 de septiembre del 2004)
con un modelado de 85 horas.
Para la modelación se seleccionó un amplio dominio que abarca desde el Golfo de México hasta
la parte más oriental de Cuba y desde la parte central de la Florida hasta la latitud de 19°.
Esto fue necesario para tener una estabilidad numérica y resultados con mayor precisión, en el
modelo fue necesario comenzar los cálculos con tiempo suficiente de antelación antes de que
alcanzara la región de interés.
50
La batimetría para el área de estudio tiene 24° por las abscisas y 12° por las ordenadas. Se
decidió construir la malla de cálculo igual a la malla de cómputo con un tamaño de cuadrícula de
0.05 grados; se obtuvieron 480 cuadriculas en X y 240 en Y, al igual que en la generación de la
malla sobre la elevación del mar y la malla creada para la generación de vientos. Figura 4.1.7.
Figura 4.1.7 Batimetría seleccionada para la simulación de los huracanes Wilma e Iván, obtenida
de National Geophysical Data Center (NGDC 2011).
El valor máximo establecido por SWAN para la frecuencia máxima es uno, pero el utilizado en
la modelación fue de 0.35 debido a que las boyas tienen dicha frecuencia máxima de según
Dykes et al. (2002).
El modo físico empleado para la modelación fue el KOMEN. Dentro de la gran cantidad de
fenómenos físicos soportados por SWAN, se tuvieron en cuenta solamente la fricción con el
fondo y el efecto cuádruple entre las olas
Para realizar la comparación con las fuentes de medición, en el caso de los satélites, se crearon
la misma cantidad de ficheros que de las mediciones del satélite seleccionado, que contenían
los mismos puntos donde éste había realizado la medición y se procuró obtener las salidas de
SWAN también en la misma fecha, con el objetivo de realizar una exacta sincronización para
obtener buenos resultados.
Las salidas del SWAN arrojaron las coordenadas de cada punto, la altura de la ola significativa
y la velocidad del viento, los datos fueron en forma de tablas. Para realizar la comparación con
las fuentes de medición en el caso de los satélites, se crearon la misma cantidad de ficheros
que de los tracks del satélite seleccionado, los que contenían los mismos puntos donde éste
había realizado la medición y se procuró obtener las salidas de SWAN también en la misma
fecha, con el objetivo de realizar una exacta sincronización para obtener buenos resultados.
A través de un modelo paramétrico se generan los campos de viento y de presión de un
huracán, el modelo se basa en círculos concéntricos, donde la velocidad del viento es de cero
en el ojo del huracán y aumenta radialmente hasta alcanzar al radio máximo de vientos (Rmv) y
disminuye al alejarse.
51
La presión del huracán es más baja en el núcleo del huracán y aumenta exponencialmente a
medida que se aleja del centro hasta llegar a la presión atmosférica; este campo de presión del
modelo es computado como una distribución exponencial. Se utilizó un script en Matlab 7.0 para
la generación de los campos de viento a partir de 2 formulaciones diferentes: Modified Rankine
Vortex (RVM) (Hughes 1952), y el modelo propuesto por Holland (Holland 1980).
El modelo Rvm sigue una distribución de velocidad en la dirección radial, la velocidad del viento
a una distancia determinada del centro del huracán se calcula con las ecuaciones 1 y 2, que
dependen de la distancia entre el centro del huracán y el punto de interés.
(6)
(7)
Donde:
r: es la distancia desde el centro del huracán hasta el punto de análisis (m).
Rvm: es el radio de máximos vientos (m).
Vmax: es la máxima velocidad de los vientos (m/s)
Las ecuaciones (6) y (7) se ajustan variando el parámetro de forma X, el cual tiene un rango
entre 0,4 y 0,6 (Hughes 1952). El coeficiente X es una de las dos variables a calibrar en el
estudio de Córdova y Lamazares, (2012), para establecer un valor único de ajuste a todas las
situaciones.
El Vmax es determinado mediante la ecuación (8):
(8)
Donde: dp (mbar) es la variación de presión en el punto de análisis
El modelo de Holland (1980) contiene también dentro de su fórmula principal los parámetros de
Rvm y Vmax, y adiciona un coeficiente B que varía el perfil de la distribución de vientos de un
huracán. Este coeficiente se encuentra en un rango entre 0.75 y 1.5. Este coeficiente es la
segunda variable a calibrar. En la figura 4.1.8. se muestra la variación de los perfiles de viento
a partir de cada valor B.
La ecuación (9) describe el modelo de Holland:
(9)
52
En este modelo la Vmax se define con la ecuación (10):
(10)
Dónde: B : parámetro de Holland (alim.).
ρ: densidad del aire (kg/m3).
Pn : presión en el punto de evaluación (mbar).
Pc : presión central del huracán (mbar).
E : número de Euler (base logaritmos neperianos)
Figura 4.1.8. Variación de los perfiles de viento para cada valor de B. (Willoughby y Rahn 2004).
En ambos métodos el radio de vientos máximos (Rmv) se calcula utilizando la ecuación (11)
siguiente (Lizano 2001):
Rvm= 46.29 exp (0.0153 Vmax + 0.0166l) (11)
Donde:
l: latitud del punto en cuestión.
Vmax: velocidad máxima del viento (m/s)
Las velocidades de viento calculadas anteriormente por cada uno de los métodos, se ajustan a
la velocidad estándar de 10m sobre el NMM multiplicándola por un factor de corrección Km, el
cual varía en dependencia del modelo utilizado, ecuación (12).
V10= V(r) Km (12)
Para la metodología, las boyas fueron seleccionadas lo más cercanas posible a la trayectoria del
huracán, una un poco al Oeste (42001) y la otra al Este (42003) de la posición donde el huracán
tuvo su mayor intensidad y sus datos fueron obtenidos de National Data Buoy Center (NDBC
2011).
53
La información satelital utilizada para realizar la comprobación de los valores obtenidos
durante la calibración de los campos de viento, se obtuvo a partir de la colaboración del
Profesor Eugenio Pugliese Carratelli y del Dr. Ferdinando Reales de la Universidad de Salerno,
Italia. Esta información consta de datos altimétricos procesados, de alturas de ola
significativas y velocidad de vientos agrupados en cuatro satélites:
• 146 mediciones (tracks) del satélite Envisat 1, divididas en dos ciclos, 41 y 42.
• 71 mediciones del satélite ERS 2, divididas en dos ciclos, 109 y 110.
• 49 mediciones del satélite Geosat 1, divididas en dos ciclos, 160 y 161.
• 15 mediciones del satélite Jason 1, divididas en dos ciclos.
El proceso de selección de los satélites se basó fundamentalmente en la fecha de la medición,
es decir, para que un satélite fuera seleccionado tendría que haber realizado su medición en la
fecha de simulación del huracán Wilma (del 21 de octubre al 25 de octubre del 2005).
Después de analizar todas las mediciones satelitales se decidió utilizar tres trayectorias de
tres satélites, el Envisat 1 (trayectoria 996), el ERS 2 (trayectoria 996) y el Geosat 1
(trayectoria 7), como se muestra en la figura 4.1.9.
Figura 4.1.9.Trayectorias de satélites utilizadas para la comprobación de la calibración.
Utilizando SWAN como plataforma principal, se realizó la calibración de dos modelos empíricos
de viento, Holland (1980) y Modified Rankine Vortex (RVM) (Hughes 1952).
Se realizaron simulaciones del huracán Iván obteniendo como resultados las características
del viento como son: su velocidad y dirección y del oleaje provocado por éste como son la altura
de ola, su período asociado, y su dirección. En la figura 4.1.10 se muestra una imagen que
representa una hora de la simulación.
54
Figura 4.1.10. Posición del ojo del huracán Iván el día 14 de septiembre a las 13 horas.
A partir de la página web del National Data Buoy Center (NDBC 2011) se obtuvieron de dos de
sus boyas (42001 y 42003) los mismos datos anteriormente explicados y se realizó la
comparación para determinar el mejor valor de X en el caso de Modified Rankine Vortex (RVM)
y el mejor valor de B en el caso de Holland.
Para obtener el valor óptimo de las variables indicadas anteriormente se aplicó la variable
estadística “Skill” calculada con la expresión (13):
ó ó
ó
(13)
Donde N es el número de mediciones realizadas.
Si el Skill es igual a uno, la modelación es perfecta y si es igual o cercana a cero es una mala
simulación. Este estudio ayuda a desarrollar los conocimientos, procedimientos y metodologías
para predecir niveles de inundación costera y cómo se comporta en tiempo y espacio.
Una estimación prospectiva del riesgo presentado por Reynoso et al., (2009), anticipando
eventos científicamente creíbles que podrían ocurrir en el futuro, como en el caso de un
huracán, fue calculada con modelos probabilistas, que pueden utilizar la información disponible
para predecir, de la mejor manera, futuros escenarios y considerar la incertidumbre que se
involucra en el análisis.
En el caso de huracán, la manera de obtener pérdidas es a través de perturbaciones de las
trayectorias de los huracanes históricos, o de la simulación de eventos para el caso de
inundación. Estos huracanes perturbados o eventos simulados generan mapas de amenaza que,
junto con la evaluación de la vulnerabilidad de cada una de las construcciones de la cartera,
permite obtener el valor de las pérdidas (Avelar, 2007).
En la figura 4.1.11 se presenta una imagen con la ruta de los ciclones tropicales que han
afectado a México en su vertiente atlántica y pacífica.
55
Figura 4.1.11. Ruta de huracanes que han afectado al país, provenientes del Pacífico y
el Atlántico.
Durante el paso de un huracán se producen dos tipos de pérdidas: las debidas al efecto del
viento y las debidas a la marea de tormenta y la de inundación. Para poder realizar
correctamente los cálculos de las distribuciones de probabilidad de estas pérdidas por
huracán, se recurre, como en el caso de otras amenazas, al concepto de “evento”.
La base de datos útiles de huracanes es limitada. Por tal razón, es necesario extenderla por la
vía de la generación de huracanes artificiales; se utiliza la estrategia de perturbar las
trayectorias y los valores de presión barométrica en el ojo de huracanes reales que hayan sido
correctamente registrados.
Para la República Mexicana, las máximas velocidades de viento ocurren cuando se presenta un
ciclón tropical. Es por ello que se emplean modelos de huracán para el cálculo de este peligro.
Los modelos paramétricos de presión y viento dependen de la posición del ojo del huracán,
presión central, velocidad máxima de viento sostenida en el ojo del huracán y radio
ciclostrófico, conocido también como radio de máximo gradiente (Avelar et al., 2007).
La marea de tormenta es uno de los peligros asociados a la ocurrencia de huracanes que más
daño causa a inmuebles en la primera línea de costa. Se usa un modelo simplificado cuya
descripción se indica en Huerta et al. (2007). Los autores suponen que la marea de tormenta
depende del gradiente de presiones y de los esfuerzos tangenciales ejercidos por el viento y la
fricción de fondo.
Debido a la información con que se cuenta, a la disponibilidad de datos aproximados y el nivel
de resolución requerida (nivel país), se aplicó una metodología que consiste en determinar la
distribución de la precipitación máxima en 24 horas en todo el país, afectándola por
coeficientes que involucran la topografía y la hidrografía. Esta metodología se calibra con los
datos obtenidos con el modelo matemático y los leídos en campo (Huerta et al, 2006; Torres et al, 2007).
56
En la vulnerabilidad se cuantifica el daño causado en cada tipo de activo por la ocurrencia de un
evento de cierta intensidad (Miranda, 1999).
La estimación del daño se mide en términos del nivel de daño medio, que es la relación entre el
costo de reparación esperado y el costo de reemplazo de la estructura. Una curva de
vulnerabilidad se puede obtener de relacionar el viento, de la velocidad máxima del viento, y
en el de inundación, en función del tirante que se presente en cada sitio.
Las funciones de vulnerabilidad para el sector salud por viento e inundación en México; en el
caso de las funciones de vulnerabilidad de inundación, no se consideran los daños provocados
por socavación, falta de resistencia por reblandecimiento del suelo o deficiencia de la
cimentación, que pueden producir el colapso de las estructuras.
Para calcular las pérdidas, la tasa de daño obtenida en la modelación de la vulnerabilidad se
transforma en pérdidas económicas, multiplicando dicha tasa por el valor en riesgo. Las
medidas de riesgo obtenidas por el modelo, es la pérdida anual promedio y la curva de
excedencia de pérdidas. La pérdida anual promedio (PAP) es la pérdida anual esperada.
Matemáticamente, la PAP es la suma de los productos de las pérdidas esperadas para todos los
eventos estocásticos considerados en los modelos de pérdida. En términos probabilistas la PAP
es la esperanza matemática de la pérdida anual.
La curva de excedencia de pérdida (CEP) representa la frecuencia anual con la cual una pérdida
de una cantidad monetaria específica puede ser excedida. Ésta es la medida de riesgo
catastrófico más importante para los encargados del riesgo, dado que estima la cantidad de
fondos requeridos para alcanzar los objetivos de la gestión del riesgo. La CEP se puede calcular
para el mayor evento en un año o para todos los eventos (en forma acumulativa) en un año. En la
figura 4.1.12 se presentan resultados de CEP para la infraestructura del país para inundaciones.
Figura 4.1.12. Curva de excedencia de pérdida para la infraestructura en México:
Huracán
57
En la figura 4.1.13 se presenta el mapa con las pérdidas anuales esperadas por peligros de
viento, marea de tormenta e inundación (estos tres peligros son los que incluye un huracán,
pero en distinta intensidad se presentan en todo el país), solamente para dos infraestructuras,
de la SSA.
Los valores máximos corresponden a Cozumel y Cancún; sin embargo, existen también valores
de daños similares en el norte de Tamaulipas y en el sur de Jalisco y Baja California, de sitios
donde han impactado los huracanes más intensos. Por otro lado, existen estados cuya costa no
está en gran riesgo, como Veracruz, Oaxaca y algunos en el noroeste. El caso de Tijuana es
interesante, ya que presenta valores de pérdida relativamente altos y no es por los huracanes,
sino por los frentes fríos húmedos de invierno, que también están incluidos en el sistema de
cálculo de pérdidas.
Figura 4.1.13 Pérdida anual esperada por huracán dividida por el valor de reemplazo en
porcentaje: SSA
Se presentan mapas de la relación entre la pérdida anual esperada y el valor de reemplazo en
porcentaje ante huracanes, que se refieren a la suma de los productos de las pérdidas
esperadas para todos los eventos estocásticos considerados para la infraestructura de salud,
de educación, de comunicaciones y transportes y de vivienda en pobreza patrimonial en México.
Para estimar el riesgo, se hace uso de un sistema que emplea para el cálculo, eventos de
huracanes y funciones de vulnerabilidad específicas para los distintos sistemas estructurales.
Se visualizan así el riesgo y las amenazas; el sistema permite calcular pérdidas en función de un
período de retorno o tasa de excedencia, lo que es fundamental para administrar el riesgo de
carteras y negociar con el sector financiero. Esto permitirá mejorar la estrategia federal de
administración de riesgos y optimizar los recursos asignados para hacer frente a los daños
derivados de eventos naturales de gran impacto.
58
Coles y Casson, (1998), que estimaron los niveles de retorno de velocidades de viento extremas
debida a huracanes, presentan dificultades prácticas y analíticas. La dificultad práctica de la
recolección de datos se ha resuelto mediante la modelación de datos simulados; las
dificultades analíticas se refieren a la estimación de la probabilidad de los eventos que son
más extremos que los simulados. En primer lugar, se utiliza un modelo de parametrización que
permite ajustar modelos a diferentes umbrales o diferentes sitios para ser comparados
fácilmente. En segundo lugar, se utiliza el método de máxima verosimilitud como método de
inferencia. Esto permite el desarrollo de un análisis espacial que explota similitudes en el
comportamiento de los datos de un sitio a otro con el fin de mejorar la precisión de la
estimación y facilita la predicción en zonas costeras en comparación con otros con datos
simulados. En el modelo de Coles y Casson (1998), se analizaron velocidades del viento en la
costa del Golfo de Estados Unidos y Atlántico. Figura 4.1.14.
Figura 4.1.14. Mapa de Estados Unidos, indicando localizaciones de datos de huracanes
simulados
La rareza de los acontecimientos del huracán en un determinado lugar y la dificultad de
precisar la velocidad exacta del viento durante los eventos de este tipo significa que el
análisis basado directamente en los datos de viento huracanado observado no es factible.
Russell (1971) y Batts et al. (2001) adoptaron un modelo aproximado de la estimación de
características extremas de datos de huracán simulados. El modelo de simulación de huracanes
consta de 2 componentes: un modelo estocástico para las características principales del
huracán: su defecto de presión, radio de vientos máximos, velocidad de traslación y dirección;
y un modelo determinista de la velocidad máxima del viento en cualquier punto en el lapso de un
huracán debido a sus características principales. Para cualquier lugar dado las distribuciones
elegidas para diversas características principales
Un gran número de eventos de huracán son simulados con trayectorias en las proximidades del
lugar deseado, y el modelo determinista es utilizado para calcular la velocidad máxima
hipotética del viento que pudo haber surgido durante el evento en ese lugar.
59
Este procedimiento se repite entonces independientemente en cada uno de 55 lugares a lo
largo de la costa atlántica y el Golfo de México (ver figura 4.1.14), seguido por un promedio
local a través de los sitios vecinos para suavizar las estimaciones. Una descripción más
detallada de los diversos componentes de este modelo se da por Batts et al. (2001) y Simiu y
Scanlan (1996). El análisis empírico en el que se calibra el modelo de simulación se describe en
HUR 7-120 (1972). La información proporcionada por los datos simulados se resumieron y se
extrapolaron a través de modelos estadísticos para obtener una estimación de las
probabilidades de velocidades del viento más extremas debido a los huracanes.
Hay limitaciones de este procedimiento. En primer lugar, el análisis está condicionado a la
calidad de ambos componentes estocásticos y deterministas del modelo de huracanes. En
segundo lugar, los datos simulados constan de 999 velocidades de vientos de los huracanes en
cada puesto de millas, que para el modelado de los valores extremos representa una cantidad
relativamente pequeña de datos. Otros autores, Vickery y Twisdale (1995) por ejemplo, han
utilizado series cronológicas más largas simuladas. Por último, a pesar de la dimensión espacial
obvia del proceso de huracán, el esquema de simulación ha generado velocidades de viento de
huracanes de punto a punto en cada uno de los puestos de milla respectivos.
Lo principal es describir el comportamiento estocástico del proceso de huracán en niveles
extremos, incluidos niveles que son más extremos que los datos simulados. Suponemos que la
velocidad máxima del viento en un lugar específico dentro de un huracán constituye una
realización de una variable aleatoria de una función de distribución F, y las realizaciones de los
huracanes por separado son independientes.
Basándose en la teoría del valor extremo para proporcionar una caracterización del extremo
final de F. existen varias alternativas de representaciones, véase Smith (1989) para una
completa visión general del campo. La representación clásica es
(14)
Donde X1, X2, . . ., Xn es una secuencia de variables aleatorias independientes con función de
distribución F.
Bajo condiciones de generales, tomando como límite , la función de distribución Mn se
aproxima a:
(15)
60
Definido en . Esta es la distribución del valor extremo generalizado
(GEV). El parámetro es u parámetro de forma tal que determina el ponderado de F, son la ubicación y los parámetros de escala respectivamente.
Inferencia sobre la base de la distribución GVE, o versiones de reparametrizadas, forman la
base de la teoría del valor extremo clásico. La distribución GVE es ajustada a series de datos
de observaciones máximas anuales. La limitación de la GEV para el modelado de bloques
máximos restringe su aplicación si otros datos están disponibles. Este es el caso, por ejemplo,
con los datos de huracanes simulados. Caracterizaciones alternativas de los procesos del
extremo han llevado a procedimientos de inferencia que puede modelar más datos que el de
bloque de máximos. Se utiliza la siguiente caracterización de cola de F, representada por:
(16)
Para grandes umbrales u. Esto se conoce como la distribución de Pareto Generalizadas
(GPD). Tomando el limite 0 da la distribución exponencial como un caso especial. La ventaja
de esta representación es que la inferencia puede estar basada en todos los datos que son
grandes en el sentido de que se supere el máxima umbral u.
Existe una consistencia entre las representaciones GEV Y GPD: si se aplica la ecuación 3 para
los parámetros * y *, y un “año” consiste en N observaciones independientes Y1, Y2,……, YN,
de tal modo que MN = max{ Y1, Y2,……, YN }, entonces la distribución límite de MN es GEV, (μ, ,
), con los siguientes parámetros:
* = + ( u – μ) (17)
*= (18)
Un tercer parámetro en la especificación del modelo GPD es la tasa de excedencia de u,
λ= (P Xi> u), que está relacionado con los parámetros del GEV
(19)
Desde que las huracanes son simulados, el cálculo de probabilidad de eventos extremos en un
periodo determinado, requiere estimaciones de la tasa anual de ocurrencia de huracanes α.
Batts et al., obtuvo esta estimación para cada puesto de milla estudiado mediante el cálculo
de frecuencia de tormentas observadas en un segmento de 470 Km costa arriba y a 370 km
costa abajo desde la ubicación de interés de los registros empíricos. Un diagrama de estas
estimaciones y su localización se muestra en la figura 4.1.15.
61
La tasa de intersección media de cualquier nivel x(>u) está dado por
.
Haciendo esto igual a 1/n obtenemos el nivel del año de retorno “n” con:
(20)
Hay una gran variedad de métodos para ajustar el modelo GPD a los datos. Simiu et
al.,(1996) utiliza un método basado en estadísticas de orden así como Haan (1994). Aquí se
utiliza la similitud máxima, un procedimiento óptimo para una serie de datos grandes. De la
ecuación (16) para cualquier X que siga un umbral u arriba de GPD con parámetros * y * :
(21)
Localización
Figura 4.1.15. Tasa anual de ocurrencia de huracanes, α, contra localización
Con densidad
(22)
Si los datos X1,……..Xu exceden “u”, la similitud de los parámetros * y * están dados por:
(23)
con h definida en la ecuación (22). Maximizando (23) respecto a * y * se obtiene el estimado
de similitud máximo de estos parámetros. Al sustituir los estimados de λ, * y * en la
ecuación (20) obtenemos el estimado de similitud máximo para un nivel de retorno “n”.
Este procedimiento asume que un umbral “u” se ha identificado y que para la excedencia de
”u” se ha modelado correctamente con la distribución GPD. La determinación de “u” debe ser lo
62
suficientemente alta para que los argumentos asintóticos del modelo (20) tengan fundamento,
pero lo suficientemente bajo para permitir que la mayor cantidad de datos posibles sean
incluidos en la inferencia. Si el modelo (20) es válido, entonces:
E
(24)
con * < 1.
Si el modelo GPD es válido en un umbral “u”, entonces debería ser válido para cualquier umbral
V mayor a “u”, un diagrama de la muestra media de excedencias de “u” contra “u” debería ser
lineal a mayor nivel de donde el argumento asintótico es válido. La inclinación e intercepción
de esa línea da estimaciones simples de * / ((1- *) y */ (1- *) respectivamente. Este es un
diagrama residual de vida media (Davidson y Smith, 1990).
4.2 Precipitaciones
Método media aritmética Es el método más simple para obtener la precipitación media sobre una cuenca; consiste en
efectuar un promedio aritmético de las cantidades de lluvia medidas en dichas áreas. Este
método se recomienda en: regiones planas, con estaciones distribuidas uniformemente, con
elevado número de pluviómetros y donde el gradiente de precipitación tenga una variación
menor al 10% con respecto a la media.
(25)
“n” donde Pi es la precipitación puntual en la estación “i” y “n” el número de estaciones dentro
de los límites de la cuenca en estudio.
Polígonos de Thiessen El método asigna a cada estación un peso proporcional a su área de influencia, la cual se define
para cada estación de la siguiente manera:
Todas las estaciones contiguas se conectan mediante líneas rectas en tal forma que no hayan
líneas interceptadas, es decir conformando triángulos
En cada una de las líneas previamente dibujadas se trazarán mediatrices perpendiculares,
las cuales se prolongarán hasta que se corten con otras mediatrices vecinas
63
Los puntos de cruce o intersección entre las mediatrices representan los puntos del polígono
cuya superficie constituye el área de influencia de la estación que queda dentro de dicho
polígono (figura 4.2.1).
Figura 4.2.1. Polígonos de Thiessen
El procedimiento supone que en el área de influencia, definida por la poligonal, ocurre el mismo
valor de lluvia de aquel observado en la estación meteorológica más cercana. Los polígonos de
Thiessen tienen la desventaja de proporcionar una distribución discontinua de la lluvia sobre la
cuenca y de considerar una distribución homogénea dentro de cada polígono. Sin embargo, se
considera que la ponderación que propone proporciona resultados rápidos y aceptables. La
ponderación se determina como:
Donde:
D = altura de precipitación media, mm.
Ai = área de influencia de la estación, km2.
Di = precipitación media en la estación i, mm.
A = área total de la cuenca, km2.
Método de las isoyetas Consiste en obtener, a partir de los datos de las estaciones meteorológicas, las líneas que unen
los puntos con igual valor de precipitación (isoyetas). Este método, hasta donde la red de
estaciones meteorológicas lo permita, proporciona un plano con la distribución real de la
precipitación dentro de la cuenca.
64
Es el método más preciso, pues permite la consideración de los efectos orográficos en el
cálculo de la lluvia media sobre la cuenca en estudio. Se basa en el trazado de curvas de igual
precipitación, de la misma forma que se hace para estimar las curvas de nivel de un
levantamiento topográfico (figura 4.2.2).
Figura 4.2.2. Curvas de nivel
Este método promedia la precipitación de dos isoyetas consecutivas y se le asigna un peso o
ponderación proporcional a la sub-área entre las dos isoyetas.
(27)
Donde:
n = Número de curvas de igual precipitación
Pi = Precipitación correspondiente a la curva de igual precipitación i
Pi+1 = Precipitación correspondiente a la curva de igual precipitación i+1
Ai, i+1 = Área entre las curvas de igual precipitación i e i+1
Método de Kriging La utilización de kriging se conoce en el caso particular de las precipitaciones interpolación [
28]. El supuesto básico es que los datos son un logro parcial de una función al azar. Otra
premisa básica de Kriging, en su versión más sencilla, es la estacionalidad, en el sentido de que
la media de se supone que debe ser el proceso constante e invariable con la ubicación espacial
(Ecuación 28) y la varianza de la diferencia entre dos valores se supone que sólo depende de la
distancia entre los puntos y no en la posición x (Ecuación 29). Estas hipótesis pueden ser
expresadas de la siguiente manera:
65
(28)
(29)
La función γ (h) se llama semivariograma y es de suponer que se conoce o bien se ha estimado a
partir de los datos experimentales:
(30)
El objetivo de Kriging es para estimar los valores de la variable en algunos lugares usando
la información disponible de la variable en otros lugares del dominio D. Para eso, tenemos
que expresar como una combinación lineal de los datos disponibles,
(Ecuación 31).
El resultado óptimo se calcula con coeficientes de ponderación de tal forma que la estimación
de
es imparcial, y la suma de cuadrados errores es minimizado. En la práctica, La
aplicación del proceso de Kriging se realiza por medio de los siguientes pasos:
a) la construcción del semivariograma experimental, haciendo uso de los datos disponibles
muestra.
b) colocación de un modelo teórico para el semivariograma, puntos obtenidos gracias a la
optimización de la modelo a través de validación cruzada o de otro procedimiento
alternativo.
c) la determinación de los coeficientes a ser utilizados para resolver las ecuaciones Kriging
resultan de la reducción al mínimo de la estimación de las varianzas: Var( -
Al reducir al mínimo la varianza y estimación de la media de error en la estimación a cero, se
produciría el conjunto de la ecuación (32) . Al resolver este sistema de ecuaciones, n + 1
incógnitas (n de λi y μ, se encuentran los multiplicadores de Lagrange) , y de la ecuación (31),
se perfilarían:
(31)
(32)
(33)
66
En la ecuación (32) la
es la función de covarianza Z en lugar
y se calcula a partir
de la ecuación (33) de la siguiente manera:
(33)
En el que la media de las funciones
se definen como expectativas de Z en
,
respectivamente ( 29).
(34)
Y, en un tipo de función estacionaria, tenemos:
(35)
Donde:
(36)
Método de Cokriging Este método es el más versátil y de rigurosa técnica estadística espacial de estimación de
punto cuando tantos atributos primarios como secundarios (covariante) están disponibles en el
conjunto de datos . Un análisis de Cokriging intenta mejorar la estimación de la primaria
dependiente espacialmente, atributo al incorporar uno o más correlacionadas covariables.
Cuando queremos estimar un atributo ( ), sabiendo ( ) como el principal parámetro con la
ayuda de otra variable auxiliar ( ),usamos el sistema Cokriging de ecuaciones. En Cokriging,
la estimación de se encuentra en la expresión :
(37)
Donde son los valores experimentales de las variables auxiliares. Las variables y se
obtienen como soluciones del sistema de ecuaciones Cokriging que resultan de la mejor
estimación lineal imparcial en la que tenemos n puntos desde el parámetro principal y m puntos
desde el auxiliar. Por lo que :
(38)
67
Donde i y j son variables falsas.
(39)
Donde y son multiplicadores de Lagrange, (h) es la función de covarianza la variable
principal (precipitaciones), (h) es la covarianza de la variable auxiliar, y (h) es la
varianza media de ambas variables. La solución de los n + m + 2 sistemas de ecuaciones,
obtendríamos n veces de , m veces de , y ; La ecuación (38) da la cantidad .
Método Gumbel La función de valores extremos o también llamada función de distribución de Gumbel en
hidrología, se utiliza para determinar la probabilidad de que se presenten grandes avenidas,
debido a que se ha demostrado teóricamente que se ajusta a los valores máximos.
La función de distribución de probabilidad se representa con la siguiente ecuación (40) :
α (40)
La función de densidad de probabilidad es:
α α α (41)
Donde:
α: parámetro de forma
: parámetro de escala
x: variable aleatoria
Los parámetros α y se estiman por el método de momentos:
α
(42)
(43)
Donde:
s: desviación estándar que se calcula con la ecuación:
s=
(44)
media de la muestra
68
Calculada con la ecuación:
(45)
La distribución Gumbel se ocupa para estudiar gastos máximos anuales en un río o
precipitaciones máximas anuales en un sitio; y por lo tanto para la determinación de avenidas
de diseño.
Se puede definir una variable reducida “y” como se muestra en la ecuación :
α (46)
Si se sustituye la variable reducida en la función de distribución de probabilidad se tiene:
(47)
Despejando la y anterior, y aplicando el logaritmo natural en 2 ocasiones se obtiene:
(48)
Los valores x y y se pueden graficar como una recta, como se muestra en la figura 4.2.3:
Figura 4.2.3. Distribucion Gumbel, variable x contra variable reducida y.
El estudio de Campos-Aranda, (2008), aplica el método Racional y la estrategia necesaria para
identificar su coeficiente de escurrimiento asociado al periodo de retorno. En todo sistema
hidrológico se conjugan o interrelacionan la entrada, el funcionamiento del sistema y su salida
(Dooge,1973):
(49)
69
Donde:
Ψ indica que la función de operación h (t) y la función de entrada x (t) son combinadas para
producir la función de salida y (t).
Cuando se conocen dos de las tres funciones citadas, se puede obtener la desconocida; si es la
salida, el problema es de predicción; si la función buscada es el funcionamiento del sistema se
llama calibración o identificación; si es la entrada, el problema se conoce como detección.
El objetivo del estudio de Campos, 2008 fue identificar los coeficientes de escurrimiento para
aplicar el método Racional en México, a partir del análisis probabilístico de las respuestas de
ocho cuencas rurales de la Región Hidrológica No. 10 (Sinaloa), menores de 1,650 km2 y de la
estimación de sus probables tormentas de diseño, basadas en información pluviográfica y
pluviométrica, así como en la estimación de su tiempo de concentración. El procesamiento de
los coeficientes de escurrimiento identificados, permitió establecer un método regional, el cual
se validó realizando predicciones en tres cuencas aforadas no usadas en la calibración previa,
debido a que sus datos hidrométricos fueron considerados poco confiables
Para el método racional se utiliza la fórmula:
(50)
donde, Q es el gasto máximo, C el coeficiente de escurrimiento que es adimensional y
equivalente al cociente del escurrimiento entre la lluvia, i la intensidad de la lluvia y A el área
de cuenca. Cuando se utilizaban las unidades del sistema inglés: ft3 s−1, in h−1 y acres para Q, i y A, el factor de unidades FU resultaba igual a 1.008 y se omite de la fórmula. En cambio en el
sistema métrico con m3 s−1, mm h−1 y km2, FU es igual a 0.278, es decir el recíproco de 3.6.
La intensidad de lluvia (i) tiene una duración igual a la asignada a la tormenta de diseño,
comúnmente el tiempo de concentración (Tc) y un periodo de retorno igual al seleccionado para
el gasto máximo calculado.
El Tc es un concepto idealizado definido como el lapso que requiere una gota de agua, que cae
en el punto más lejano de la cuenca, para alcanzar la salida de ésta. Una definición mejor indica
que es el tiempo desde que comenzó la lluvia en exceso hasta que todas las porciones de la
cuenca de drenaje están contribuyendo simultáneamente al gasto en la salida (Pilgrim y
Cordery, 1993).
Cuando una intensidad de lluvia i ocurre, durante un cierto lapso t, una parte a de cuenca
contribuye con escurrimiento, la más cercana a su salida y en una proporción C de la lluvia. Al
avanzar el tiempo t hasta llegar al Tc, a se convierte en A y se llega al gasto máximo Q = C·i·A.
Se considera que para duraciones menores del Tc, el efecto en la reducción del área de cuenca
es mayor que el debido al aumento en la intensidad de la lluvia.
70
Para este propósito la fórmula del método Racional se expresa más explícitamente para un
periodo de retorno Tr en años
(51)
Por lo cual:
(52)
El procedimiento para aplicar la ecuación (52) es:
1) En cada cuenca aforada seleccionada, se hace un análisis probabilístico de su registro
de gastos máximos anual, para obtener los valores del correspondientes a periodos de
retorno (Tr) de 2, 5, 10, 25, 50 y 100 años.
2) Se estima el tiempo de concentración (Tc) de cada cuenca, usando fórmulas empíricas
(Kirpich, Témez, Giandotti, etc.). De ser posible, contrastar los resultados de tales
fórmulas contra valores observados en las cuencas de la región, para adoptar un criterio
a seguir.
3) Para cada cuenca se estiman sus valores correspondientes de la intensidad de lluvia de
diseño, con base en la información pluviográfica o pluviométrica disponible.
4) Teniendo como dato el área de cuenca (A) y los resultados de los pasos 1 y 3, se aplica la
ecuación 4 para obtener los valores identificados deCTr en cada cuenca estudiada.
5) Se selecciona un valor base de CTr para relacionarlo con las características físicas y
climáticas de las cuencas, o bien para formar mapas de curvas de isovalores a través de
la región analizada.
Los valores de C2 o C10 son generalmente más convenientes porque presentan menor
dispersión. Estos valores también pueden servir para obtener relaciones promedio [CTr/C10]
aplicables únicamente en la región estudiada.
Escalante (1999), presentó las siguientes características físicas de las cuencas de las 42
estaciones hidrométricas de la Región Hidrológica No. 10 (Sinaloa):
1) área de cuenca (A) en km2;
2) longitud del colector principal (Lc) en km;
3) pendiente promedio del colector principal (Sc), adimensional;
4) tiempo de concentración (Tc) en horas, estimado con base en la fórmula de Kirpich.
Para la estimación del Tc se usó una recopilación de fórmulas empíricas (Campos, 2007) y
algunas requieren el desnivel total (H) en metros del colector principal. En este caso, para
obtener una estimación de ese valor no reportado por Escalante (1999), el desnivel (h) que
71
origina la pendiente Sc al ser aplicada a la longitud Lc, se multiplicó por un factor correctivo
(Fc):
H= Fc * (1000*Lc)*Sc (53)
El valor de Fc fue 1.90 que corresponde al promedio de los encontrados por Martínez (2000) y
Campos (2007). Los valores de H estimados con la ecuación 54 y las magnitudes adoptadas para
el Tc de las 11 cuencas seleccionadas (Cuadro 5.2.1), son muy similares a los obtenidos por
Escalante (1999).
Las 11 series de gastos máximos anuales, correspondientes a las estaciones hidrométricas
procesadas, proceden del CD No. 1 del sistema BANDAS (IMTA, 2003). Con base en el plano
general de la Región Hidrológica No. 10 (SRH, 1975) se eligieron las estaciones pluviométricas
base para cada cuenca seleccionada. La estación base debiera localizarse dentro de la cuenca,
pero sólo ocurrió en la cuenca de Zopilote, de Badiraguato y de Guamuchil; las demás están
cercanas o en el sitio de la estación hidrométrica. Para cada estación pluviométrica base se
obtuvieron del sistema ERIC II (IMTA, 2000)
Se consideraron valores medianos obtenidos con la aplicación de 5 criterios del análisis
probabilístico:
1) la transformación MIMEMA (Bethlahmy, 1977);
2) la transformación potencial (Chanderet al., 1978)
3) la distribución Log-Normal (Stedingeret al., 1993);
4) la distribución Log-Pearson tipo III (Bobée y Ashkar, 1991);
5) la distribución GVE (Stedingeret al., 1993), reportadas también por Campos 2006).
El procedimiento propuesto (Campos, 2000) para estimar la intensidad iTr Tc usa los mapas de
curvas isoyetas disponibles para los Estados en México (SCT, 1990), en duraciones de 10, 30,
60, 120 y 240 min y periodos de retorno de 10, 25 y 50 años. Además se usa la información
pluviométrica disponible en la forma de precipitación máxima diaria anual (PD), conocida en la
Comisión Nacional del Agua (IMTA, 2000) como precipitación máxima en 24 h (P24).
En las páginas 385, 390 y 395 de SCT (1990) están los mapas de isoyetas de Sinaloa
correspondientes a la intensidad en 60 min y periodos de retorno de 10, 25 y 50 años, es decir,
P1 10, P1 25 y P1 50. En el Cuadro 5.2.1 se presentan los valores de las lluvias de 1 h de duración
y periodos de retorno 10, 25 y 50 años (de los mapas citados), correspondientes a los centros
de gravedad de cada cuenca...
El procedimiento consiste en analizar probabilísticamente el registro disponible de PD para
obtener las lluvias asociadas a periodos de retorno de 10, 25, 50 y 100 años, que al ser
multiplicadas por 1.13 (Weiss, 1964) se convierten en PTr24, con las cuales se obtienen los
cocientes R y F necesarios para aplicar la fórmula de Chen (1983):
72
R= P1Tr/ P24
Tr (54)
R= P1100/ P24
10 (55)
Con el valor promedio de los tres cocientes R que se pueden evaluar para los periodos de
retorno de 10, 25 y 50 años, obtenemos los parámetros a,b,c de la fórmula de Chen para R <
0.60 (Campos,2000):
a = −2.297536 + 100.0389·R −432.5438·R2 + 1256.228·R3 −1028.902·R4 (56)
b = –9.845761 + 96.94864·R −341.4349·R2+ 757.9172·R3 −598.7461·R4 (57)
c = –0.06498345 + 5.069294·R −16.08111·R2 + 29.09596·R3 −20.06288·R4 (58)
La fórmula de Chen es:
(59)
Con PtTryPt10 en mm, t en min ( 5< t < 1440) y Tr (2<Tr<100) en años. Se hace t= Tc y se calcula
PtTr el cual de transforma a intensidad en mmh-1.t así obtener la intensidad buscada.
Aplicando la ecuación 53, se obtuvieron los valores del coeficiente de escurrimiento para cada
periodo de retorno analizado.
Es común adoptar el valor del C10 para establecer relaciones adimensionales, ya que es muy
estable. Para su estimación se calibró la fórmula de Témez (1991) para el coeficiente de
escurrimiento del método Racional
(60)
donde, Pd es la precipitación diaria (mm) con igual periodo de retorno que C, y Po es la
precipitación que no produce escurrimiento (según este autor varía de 24 a 35 mm).
73
A partir de los ocho valores de la Pd del Cuadro 3 y de C del Cuadro 5.2.4, ambos de periodo de
retorno de 10 años (Pd 10, C10), se despejaron las magnitudes de Po, necesarias para cumplir la
ecuación 12 y éstas variaron de 31.7 a 62.5 mm. Tales magnitudes se relacionaron con los
respectivos tiempos de concentración (Tc) en horas y con Pd=Pd 10 en milímetros para obtener
la siguiente regresión lineal múltiple:
Po=−11.815 + 0.0768·Tc + 0.443·Pd10 (61)
cuyo coeficiente de determinación fue 0.752, con un error estándar de la estimación de 7.6
mm. Entonces, con el Tc estimado y la precipitación diaria de periodo de retorno de 10 años (Pd 10) en la estación pluviométrica base, se aplica la ecuación 13 para obtener la Po y con tal valor
y Pd 10 se estima C10 con la ecuación 59.
El método se demuestra aplicando las estaciones hidrométricas citadas con el siguiente
procedimiento;
1) Localizar y cuantificar su área de cuenca (A) en km2 y su tiempo de concentración (Tc) en
horas.
2) Localizar su centro de gravedad en los mapas de isoyetas de duración 1 h y periodos de
retorno 10, 25 y 50 años, para obtener los valores respectivos.
3) Seleccionar una estación pluviométrica base y obtener su registro de lluvias máximas
diarias anuales, para obtener las intensidades ir Tc necesarias con base en la fórmula de
Chen y el procedimiento expuesto, aplicando las ecuaciones 6 a 61
4) Estimar el valor de C10 y con ese valor y las relaciones regionales o finales del Cuadro 5.4
estimar los coeficientes de escurrimiento correspondientes a los periodos de retorno de 2,
5, 25, 50 y 100 años.
La uniformidad o consistencia numérica que muestran los coeficientes de escurrimiento del
método Racional identificados para la Región Hidrológica No. 10 (Sinaloa; México), demuestran
la aplicabilidad del procedimiento propuesto en cuencas rurales de hasta 1650 km2. La
calibración mostrada para el método Racional y su aplicación para obtener predicciones en
cuencas sin aforos o con registros cortos o poco confiables, puede ser considerada un método
regional de estimación de crecientes, eficiente y confiable, en regiones donde la lluvia es el
factor determinante en la génesis de las avenidas máximas. (Aranda 2008).
Pizarro y Gutiérrez, (2006), realizaron un estudio en la cuenca del rioGuatape, Colombia;
desarrollaron un modelo en ArcGIS para el análisis de la distribución espacial de la
precipitación para hacer la interpolación gráfica de la precipitación sobre la cuenca del rio
hasta el sitio de presa del proyecto hidroeléctrico utilizando datos puntuales de precipitación
registrados en las estaciones pluviométricas.
74
Se realizaron 18 mapas para los eventos discretizados cada media hora con el análisis
propuesto y se construyeron mapas con la cantidad de precipitación registrada cada media
hora; combinándolos permite ver como se mueve el foco de precipitación tanto espacial como
temporalmente. Con los datos se realizó un análisis estadístico para saber qué estación se
comporta como punto de máxima precipitación y cuáles son las horas del día donde los eventos
son más frecuentes.
Para la interpolación se llevaron a cabo los siguientes pasos:
Consultar y extraer de la base de datos los registros de precipitación y pasarlos a tablas en
formato .txt.; esta información luego se convirtió a un formato .dbf para poderla cargar en
ArcMap.
Mediante una herramienta de modelamiento asistido se construyó el modelo para realizar la
interpolación de datos. Figura 4.2.4
Figura 4.2.4
Se procedió a cargar en ArcMap los datos de precipitación desde la tabla .dbf, creando una
capa con la ubicación de las estaciones pluviográficas una vez que se les asignaron las
coordenadas X,Y.
Con el layer se realizó el método de interpolación IDW (inverse distance weighted) el
resultado de la interpolación es un raster que posee los valores interpolados de la precipitación
cada media hora. Figura 4.2.5
Figura 4.2.5 Imagen raster con valores de la interpolación.
75
Con los datos de las estaciones se realiza una base de datos que incluye la fecha del evento,
hora inicial y final, duración, foco horario, foco total y foco inicial.
El estudio de Pizarro y Gutiérrez, (2006) sirve para analizar las precipitaciones que originan
crecientes máximas en una cuenca y ver si existe algún patrón de distribución temporal y
espacial.
4.3 Inundaciones
Baro et al., 2011, proponen un nuevo método para la definición de curvas de daños por
inundación en función de la altura de lámina de agua con base en una función de distribución
beta como modelo probabilístico. Las curvas fueron empleadas para la cuantificación de daños
tangibles directos en zonas habitacionales de México. Las zonas se caracterizaron en función
del índice de marginación urbana IM del Área Geo estadística Básica (AGEB), definiendo 5
tipos: IM muy alto, alto, medio, bajo y muy bajo.
El estudio realizado por Baro et al. (2011) muestra que las inundaciones en esta cuenca están
asociadas a los huracanes del océano Atlántico y del Pacífico, se consideran repentinas pues no
existe la capacidad instalada para dar respuesta en el tiempo de la cota máxima del tirante de
agua (Kobiyama y Fasbris- Goerl, 2007).
Para el método estudiado por Baro et al, 2011), se requirió primero de una base de datos para
soportar el análisis de determinación de los tipos, severidad y localización de daños causados
por la inundación. Los datos incluyen la magnitud de los caudales del rio para diferentes
periodos de retorno y las alturas de lámina de agua alcanzados; con la ayuda de un modelo de
elevación digital del terreno y con los tirantes de agua, se logra delimitar las zonas inundadas.
Para la caracterización de zonas habitacionales inundadas se tomaron los datos proporcionados
por el INEGI, CONAPO y AGEB; con los datos estadísticos se hace un reconocimiento de
campo, número de viviendas, tipo de bienes y tipo de AGEB según índice de marginación.
Para calcular los daños por pérdidas producidas por el contacto físico con el agua, Bero et al,
2011, construyeron curvas de daños potenciales, que muestran la relación de la altura de lámina
de agua (o profundidad de la inundación) con los daños económicos provocados.
Para cada vivienda ubicada en un AGEB con un IM dado se le asignaron bienes con valores
promedio estimados, con esto se podrá analizar el porcentaje de afectación en cada uno de los
bienes como una función de la altura de la lámina de agua potencialmente alcanzada.
Baro et al, 2006 definieron para cada tipo AGEB una familia de curvas de daños por
inundación; las curvas de costo máximo y mínimo fueron construidas con modelos matemáticos
76
de tipo regresivo como función del IM del AGEB donde se ubica la vivienda para el tirante de
agua alcanzado; su empleo brinda la estimación de los daños económicos.
En el estudio se identificaron 125 AGEB´S con un IM muy alto, 126 con nivel alto, 106 de nivel
medio, 65 de IM bajo y 29 con nivel muy bajo. En base a esto se elaboró una base de datos en
función del IM, donde se incluyó número de identificación del AGEB y el número de viviendas
habitadas, así como los bienes existentes.
Al definir los bienes existentes en la vivienda para un AGEB dado, así como su valor
monetario´, se determinó el porcentaje de afectación de los bienes en función del nivel
alcanzado del agua dentro de la vivienda. Este análisis ayuda a tener una cuantificación más
realista del valor del daño producido por el contacto directo con el agua.
Posteriormente se grafican los costos estimados versus la altura de lámina de agua, y se
obtienen 3 curvas: la de costo máximo, costo mínimo y costo probable.
Para el caso de una vivienda en un AGEB de IM muy alto, primero se identificó las AGEBS que
se encuentran en zonas inundables de la cuenca en estudio, se determinó el número de
viviendas habitadas y número de bienes existentes y se agregó un precio unitario a cada bien;
este precio se multiplicó por el número de bienes existente en cada AGEB y el valor obtenido
representó el valor total del bien para cada AGEB identificada.
A continuación se establecieron los intervalos de altura de lámina de agua para definir así el
porcentaje de afectación que pudiera tener cada uno de los bienes. En el caso de
electrodomésticos se consideró la altura de ubicación del motor, en el caso de los muebles, sus
dimensiones promedio. Las alturas utilizadas fueron de 0.10, 0.2, 0.3, 0.5, 0.7, 1.0 y 2.5m.
Al tener asignados los porcentajes de afectación, se calculó el valor del daño en base al costo
de cada bien, obteniendo el valor en pesos de los daños económicos para cada altura de lámina
de agua alcanzada y para cada AGEB identificada. Los daños se convirtieron en número de
salarios mínimos, tomando en cuenta que el promedio nacional de este salario equivale a $53.19
pesos para el año 2009. El monto obtenido se dividió por el número de viviendas habitadas en
cada AGEB para obtener el valor de daños para una vivienda.
Con la información obtenida, se construyó un modelo matemático de tipo regresivo, el modelo
elegido fue el que presentó el valor más alto de coeficiente de determinación R2 que
correspondió a un ajuste logarítmico, con un coeficiente de determinación de 0.82 para el caso
de costo máximo, 0.72 para el costo mínimo y 0.74 para un costo probable. La ecuación del
modelo logarítmico permite calcular los daños potenciales directos en número de salarios
mínimos para una altura de lámina dada.
La gráfica utiliza como unidades de medida el número de salarios mínimo, de esta manera no
pierde su validez con el tiempo y se puede aplicar en cualquier año así al actualizar el valor del
77
salario mínimo se actualizan de forma automática las curvas encontradas. A partir de una altura
de 0.5 m los bienes son afectados prácticamente en un 100%.
Este método ayuda a evaluar el impacto económico tangible directo causado por una
inundación; es considerado de utilidad para instituciones públicas y privadas que intervienen en
la gestión de eventos hidrometeorológicos extremos, en la toma de decisiones para las etapas
de prevención, emergencia y reconstrucción.
Sánchez y Martínez, (2012) aplican una metodología para estimar la peligrosidad pluvial a
través de un índice cuantitativo distribuido espacialmente y calculado a partir de un análisis
de multi-criterio y de la ponderación de diversos factores que permitan una evaluación objetiva
de la cuenca urbana mediante la comparación entre áreas críticas y la valoración de escenarios
sobre la misma región.
La zona de estudio fue una cuenca en la Ciudad de Coro, capital de Estado de Falcón; se
implementó un modelo de simulación integrado y calibrado para obtener las profundidades y
velocidades máximas de inundación en la red de calles, se tomó en cuenta la metodología
propuesta por Zonensein et al., (2008).
El dominio del Índice de peligrosidad (PI) y la escala afectan directamente a cada indicador
debido a sus distintas naturaleza y unidades, por eso es indispensable que sean estandarizados
o convertidos a una escala común, de allí la importancia del proceso de normalización. Se
plantearon modificaciones en las escalas de normalización del índice de profundidad
denominado (ICot) manteniendo intactos los criterios de normalización para el resto de los
indicadores de peligrosidad y se lograron mejores niveles de bondad en los ajustes propuestos
por el mencionado autor para la normalización del índice (IFP). Posteriormente, se definieron
los pesos para cada indicador a partir de 3 escenarios críticos, que fueron analizados en
función de los objetivos propuestos.
Se optó por implementar un método basado en la ponderación mixta y fundamentada en las
técnicas de análisis multicriterio propuestas por Zonensein et al. (2008)
(62)
Donde:
Ii, representa el indicador previamente normalizado, que compone el índice PI, varía en un
rango de 0 como extremo mínimo y 100 como extremo máximo. En este caso se consideraron 3
índices: ICot(Índice de Profundidad de inundación), IFV (Índice de velocidad), IFP (Índice de
Permanencia), n: número total de indicadores que componen el índice PI; y Pi: peso asociado al
índice Ii, asignado en función de la importancia relativa. Por razones prácticas et al,
variaron algunas de las nomenclaturas utilizadas por (Zonensein et al. 2008),
78
La peligrosidad pluvial depende de tres factores, la profundidad del flujo o lámina de agua en la
calle, la velocidad y la duración de la inundación por encima de cierto calado. Esta hipótesis fue
probada analizando 3 escenarios y asignándole pesos diferentes a los indicadores
correspondientes. La ecuación formulada por Zonensein et al. (2008) para el cálculo de la
peligrosidad es la siguiente:
(63)
Estimación del indicador de profundidad (ICot): el criterio más utilizado para definir si en una
determinada calle, no existe peligrosidad asociada al flujo de aguas pluviales para una
probabilidad de ocurrencia dada, es el siguiente: tirante en calle y < altura de la acera (Dawson
et al. 2008). La normalización de este indicador se fundamenta en criterio de expertos y
observaciones de campo, simplificada por franjas sobre la base de un análisis detallado de
daños posibles (absoluto y relativo) solamente en el intervalo y < 1 m.
(64)
El límite superior de la primera función está definida por la altura de la acera, luego la
siguiente función cubre la franja que va desde 10 cm hasta 50 cm, en este nivel ya la inundación
en la calle es total, y el flujo es capaz de afectar patios de fachada y estacionamientos,
además en este nivel se comienza a interrumpir el tráfico regular de vehículos y sobre todo de
personas. Se asume que de allí en adelante, cualquier lámina de agua superior a 50 cm invade
completamente las viviendas y edificaciones con los respectivos daños que esto conlleva. En
definitiva, se calculó este indicador comparando la función mostrada en la ecuación (70) con la
curva normalizada propuesta por Zonensein et al. (2008) en la figura 4.3.1.
Figura 4.3.1. Curva de normalización para el índice de profundidad con interpolación lineal
entre límites. (Zonensein et al. 2008)
Estimación del indicador de velocidad o número del producto (IFV): los criterios de
peligrosidad basados en la consideración conjunta de calados y velocidades están ampliamente
79
reportados en (FEMA 1979). Desde el punto de vista experimental, destacan los estudios
experimentales publicados por ARMC (2000), Belleudy (2004) y el de Russo et al. (2011).
Sin embargo, el primero que utilizó el término “número del producto” fueron Abt y Wittler
(1989), para incluir el efecto combinado de las fuerzas hidrodinámicas ejercidas por el vector
velocidad y la profundidad (v.y) sobre la estabilidad en los individuos. En base a estos estudios
y a la normalización de este indicador, propuestos por Zonensein et al. (2008) se elaboró la
función de normalización por franjas con interpolación lineal para este indicador:
(65)
Estimación del indicador de duración de inundación (IFP): considera los minutos / horas / días/
que una calle permanece inundada al menos ciertos cm de profundidad, considerando 3
elementos en riesgo: los peatones, que son los primeros en verse afectados ya que las zonas
inundadas con pequeñas láminas de agua son suficientes para dificultar o impedir su tránsito
regular por las aceras, en segundo lugar los vehículos que al circular por zonas de
encharcamiento causan tranques en el tráfico e incrementan el peligro de que se presente el
fenómeno de “hidroplaneo”, y por último las viviendas o edificaciones expuestas frontalmente a
la calle. Para obtener el valor de este indicador se definen los tiempos indicativos de efectos
potenciales sobre peatones (t10), el tráfico (t30) y las viviendas (t50). Éstos se refieren al
tiempo en minutos durante el cual un área permanece inundada con una lámina mayor de 10 cm,
30 cm y 50 cm respectivamente. Se destaca que para un hidrograma característico (modelo
campana) transitando en cualquier calle de la cuenca, e incluso para cualquier lámina superior a
50 cm, se cumple que t10 >t30 > t50. La normalización formulada por Zonensein et al. (2008),
en este caso fue por franjas de tipo logarítmicas (figura 4.3.2).
Los parámetros sugeridos por Zonensein et al. (2008) para cada función ajustada se muestran
en la gráfica:
(66)
80
Figura 4.3.2. Normalización de Zonensen
Sánchez y Méndez 2009, construyeron el modelo digital de elevaciones de la subcuenca
seleccionada. Se elaboraron mapas temáticos para cada indicador y así lograr obtener la
distribución espacial.
En el primer escenario, se supone que ICot es extremadamente más importante que IFP pero
un poco menos importante que IFV, que a su vez se considera más importante que IFP. Para el
segundo escenario, se acepta que ICot es un poco más importante que IFP y un poco menos
importante que IFV, que a su vez se considera más importante que IFP. Finalmente, para el
tercer escenario se adjudica igual importancia a los tres indicadores.
Se observa que en los mapas de peligrosidad para los tres escenarios (figura 4.3.3), existe
coincidencia en la identificación de zonas con mayor peligro
Figura 4.3.3. Mapas de peligrosidad
81
Con la metodología se puede conocer la distribución espacial del indicador de peligrosidad
pluvial asociada al flujo superficial en las calles de la zona de estudio. Esto les sirve a los
gestores del sistema de drenaje pluvial urbano para el diseño estructural.
Posada y Vega (2010), también realizaron una evaluación de las zonas que pueden llegar a
inundarse en Campeche debido al efecto de un viento norte bajo 2 escenarios diferentes del
nivel medio del mar.
La evaluación de la inundación en zonas costeras se realiza por medio de la aplicación de un
modelo numérico que resuelve las ecuaciones de aguas someras promediadas en la vertical, que
además tiene la capacidad de simular el secado y mojado de celdas durante la evaluación de
casos hidrodinámicos. Este modelo se aplicará al dominio topo batimétrico real de la ciudad de
Campeche.
El modelo numérico propuesto por Posada (2008), el cual resuelve sobre una malla jerárquica de
tipo Quadtree las ecuaciones de aguas someras promediadas en la vertical con un método de
volumen finito por medio de una aproximación numérica de tipo Godunov de segundo orden, se
utiliza el solucionador de Riemman para resolver la aproximación de Roe con la cual se
determinan los flujos no viscosos, la integración en el tiempo se realiza con el método de
primer orden de Adams-Bashforth.
El modelo utilizado por Posada y Vega consta de un sistema de mallado de tipo jerárquico, estas
mallas permiten crear sistemas de celdas no estructurados que almacenan la información con
una estructura similar a la de un árbol genealógico (Rogers, 2001); Las mallas son de tipo
Quadtree, ya que se aplican a un dominio bidimensional, si se aplicara a un modelo
tridimensional se denominaría Octree. Estas mallas son irregulares debido a que contienen
82
celdas de diferentes tamaños en todo el dominio de cálculo, con lo cual se logra una alta
definición en las zonas de interés y baja en otras partes del dominio que no son tan
importantes de conocer al detalle. Para realizar este tipo de mallado jerárquico, son necesarios
dos pasos: generación inicial y Regularización, los cuales se describen en Posada (2008).
Al ser un modelo bidimensional, las variables que se cuantifican para cada celda del dominio de
Cálculo son: la superficie libre (un valor positivo indica una posición por encima del nivel de
Referencia, que para este trabajo es el nivel medio del mar), y las velocidades promediadas en
la vertical, tanto para las abscisas (eje X) como para las ordenadas (eje Y), al ser tres
incógnitas se deben resolver igual número de ecuaciones, las cuales son:
Ecuación de continuidad:
(67)
Donde:
sobreelevacion de la superficie libre respecto al nivel medio del mar, (m).
h profundidad del fondo respecto l nivel medio del mar, (m).
U Velocidad media en la direccion X, (m/s).
V Velocidad media en la direccion Y, (m/s).
(68)
factor de Coriolis
coeficiente de viscosidad de remolino
Esfuerzo debido al viento en la direccion X
Esfuerzo debido al fondo en la direccion X
Ecuación de cantidad de movimiento, dirección y
(69)
Ecuaciones complementarias
Factor de Coriolis se calcula con la expresión:
ƒ=2ωsinφ (70)
83
Donde:
ω=7.3 x 10-5 rad/s (velocidad de la tierra)
φ latitud de la zona de estudio
Fricción de fondo. Los esfuerzos debidos a la friccion del fondo del mar se evalúan con la
expresion:
(71)
es la densidad del agua de mar
coeficiente de arrastre qu es función del coeficiente de Chezy
módulo de la velocidad
El coeficiente de arrastre se puede calcular con :
(72)
donde se calcula con la fórmula de Colebrook-White, C= 181 log (12H/ Ks): Ks es un parámetro
que depende de la rugosidad del fondo marino, el modelo utiliza Ks= 0.2, como lo propone
Castañedo (2000).
Esfuerzo debido al viento
Los esfuerzos debido al viento son de la forma:
(73)
con valor de 0.0026, coeficiente de arrastre del viento (Falconer,1994)
densidad del aire
W velocidad del viento a 10m sobre el nivel del mar
Wcos θ, componente en X del viento
θ Ángulo de incidencia del viento respecto al eje X
Coeficiente de viscosidad de remolino
El modelo tiene la opción de considerar un valor constante o de calcular uno variable con la
expresión:
(74)
Donde:
(75)
84
Este modelo utiliza para C el sugerido por Castañedo (2000) que es 0.05, pero se puede
utilizar el indicado por Blumberg y Mellor de 0.1 (1987).
Para poder representar el fenómeno de inundación por marea de tormenta, el modelo
numérico debe permitir que las celdas se sequen o inunden dependiendo del caso.
Para el cálculo de las velocidades se utiliza la menor profundidad entre 2 celdas vecinas, se
evalúa si una celda está seca o húmeda utilizando la profundidad y la superficie libre en el
centro de ésta.
Para calcular el coeficiente de fricción C de Chezy se utiliza la expresión:
(76)
Donde k1 es la altura de la rugosidad del lecho marino.
Por ejemplo, si Ks = 0.03m, cuando H sea menor a 0.003m el coficiente C será de 1.5, lo cual
convierte la fricción en un valor muy alto, obligando a que las velocidades del flujo sean casi
equivalentes a cero. Se implementan 3 límites para cada paso de tiempo, se verifica la altura
del agua Hi en cada celda del dominio y en función de su calado se realiza el secado o mojado de
la celda de la siguiente manera:
Si H1 < Hseco; la celda se considera seca, se anulan las velocidades y el valor de la superficie
libre es igual a cero, esta celda se convierte entonces en tierra.
Si H1 > Hseco; la celda entra al dominio de cálculo, las velocidades se consideran iguales a
cero y su superficie libre obtiene el valor de 10% de la superficie libre de la celda vecina.
Los valores de los límites de inundación y secado son : Hseco=0.1Ks y Hinund=0.5Ks
4.4. Sequías
Índices de sequías Son funciones continuas que relacionan los valores de precipitación y otras variables
hidrometeorológicas, de tal manera de caracterizar las sequías, a través de la comparación con
umbrales predeterminados para el método. Es importante tener en cuenta la escala de tiempo y
espacial utilizada.
Índice PDI (Palmer Drought Index) Se basa en las anomalías hídricas del balance hídrico seriado de Palmer y permite, entre otras
aplicaciones, determinar periodos de sequias y excesos hídricos.
85
Los datos fundamentales para la determinación del índice son la precipitación y la
evapotranspiración potencial.
Los Valores característicos del índice PDI son:
Palmer, a partir del balance hídrico desarrollado, obtiene la expresión:
(77)
(78)
– (79)
(80)
Z: Indice de anomalia hídrica
d: Déficit hídrico
k: Factor climático
P: Precipitación
PE: Evapotranspiración potencial
R: Recarga
L: Perdidas
Índice SPI (Standardized Precipitation Index) Considera las probabilidades de ocurrencia de precipitación para un periodo dado y se calcula
comparando la precipitación acumulada total para una estación o región en particular durante
un intervalo de tiempo específico, con el promedio de la precipitación acumulada para ese
mismo intervalo a lo largo de toda la serie de registros.
86
Valores característicos del índice SPI:
McKee et al., 1993, posibilita la medición de la sequía en distintas escalas temporales, tales
como 3,6, 12 y 24 meses, según el objetivo del estudio donde se aplica este índice de sequías.
Arreola – Navar, (2008), construyeron y analizaron 3 cronologías de Pesudotsugamenziesii con
el fin de determinar las tendencias, productividad, y reconstruir sequías del pasado en las
cronologías; analizar la correlación entre índices de crecimiento y la temperatura y
precipitación; la correlación entre índices de crecimiento y el fenómeno del niño y
reconstrucción del clima del pasado utilizando cronologías desarrolladas.
El índice de crecimiento radial estandarizado (ICRE) se estimó de la resta de la amplitud del
anillo menos su promedio y se dividió por la desviación estándar. Se utilizaron los valores de
temperatura y precipitación registrados por las estaciones climatológicas y los valores del
ENSO ( El Niño / SouthernOscillation) tomados del (NNOA-CIRES,2004)
Utilizaron el índice de crecimiento estandarizado acumulado para magnificar y detectar las
tendencias y patrones de las cronologías.
Por medio del análisis de regresión y correlación de datos anuales de temperatura y
precipitación, se lograron examinar las tendencias del índice de crecimiento de las 3
cronologías con los factores de clima ( temperatura, precipitación y fenómeno del niño).
En las gráficas de las cronologías estandarizadas acumuladas sobresalen claramente cuatro
periodos de sequías: dos de duración prolongada y dos de duración corta. El primer periodo de
sequía reconstruido se presentó entre 1880 y 1903, observándose una mayor temporalidad de
la sequía en el sitio de La Marta (23 años) y menor en La Encantada (siete años). El segundo
periodo de sequía se presentó entre 1907 y 1937. Esta sequía se observa con una mayor
duración en La Encantada (30 años) seguida de La Marta (28 años). El tercer periodo seco se
presentó durante la década de los años cincuenta permaneciendo hasta mediados de los
ochenta en La Marta y La Encantada, y hasta 1963 en El Potosí, teniendo La Encantada la mayor
temporalidad de la sequía (34 años). El cuarto periodo seco se presentó a finales de los noventa
iniciando prácticamente en 1998, con una duración de cinco años en los tres sitios estudiados
87
Los resultados arrojados en el análisis de regresión revelan que la precipitación invernal se
asocia adecuadamente con el ICRE, principalmente la precipitación que se presenta durante el
periodo de invierno y parte inicial de la primavera (enero, febrero y marzo), lo cual indica que la
variabilidad del ancho de los anillos de crecimiento recibe cierta influencia de la precipitación
que se registra durante la dormancia o inmediatamente después de iniciar el crecimiento
durante los primeros meses del año.
Las precipitaciones de finales de la primavera, verano y otoño no estuvieron relacionadas
estadísticamente con el crecimiento radial, lo que se explica porque posiblemente el balance
hidrológico de esta etapa es más negativo que durante la etapa tardía del invierno e inicio de la
primavera.
En el transcurso de 1860 a 2003, se presentaron cuatro lapsos de tiempo con baja o nula
precipitación invernal: 1. de 1871- 1885, 2. de 1892-1902, 3. de 1950-1963 y, 4. De 1998-2003,
consistentes también con los periodos secos detectados; en la figura 4.4.1. También se pueden
apreciar cuatro grupos anuales con más o menos buena precipitación. Éstos cubren un promedio
de seis años en los periodos de 1860-1866, 1885-1889, 1939-1944 y 1990-1994 con una
precipitación promedio de 28 mm, 34, 32 y 42, respectivamente
Figura 4.4.1.Lapsos de Precipitación
Las cronologías La Marta y La Encantada tienen una relación con el MEI muy similar en tiempos,
mientras que El Potosí contrasta totalmente con esta tendencia.
Con los resultados de la correlación entre el ICRE y el MEI, se puede explicar que el
crecimiento de los anillos de los árboles está relacionado con las condiciones climáticas que se
presentan durante el fenómeno del ENSO en esta parte de México. Inviernos fríos y húmedos
poseen un balance hidrológico positivo por periodos más largos de tiempo y esto ocasiona una
mayor disponibilidad de agua para el crecimiento de los árboles. Estas condiciones climáticas
son típicas durante la presencia de fenómenos de El Niño, como ha sido observado por Cavazos
y Hastenrath (1992), por Méndez et al., (2008) para México y por Pavia y Badana (1998) para
climas mediterráneos del noroeste de México. Relaciones positivas entre el ENSO y el
crecimiento radial de los árboles han sido también reportadas en otros trabajos de
investigación para México (Magaña et al., 1999; González et al., 2005)
88
Birkel et al, 2006, realizaron un estudio de la sequía hidrológica en Costa Rica; el Instituto
Costarricense de Electricidad (ICE) proveyó los datos hidrológicos de diecisiete estaciones
fluviométricas de su base de datos, para el periodo comprendido entre el año 1973 y el 2003.
El área de las cuencas elegidas en este estudio varía entre 200 y 4767 km2. Las propiedades
de sequía se calcularon para los datos de las estaciones que garantizan una cobertura regional
y permite así realizar el análisis de tendencias.
Los eventos de sequía hidrológica fueron definidos por medio del método del “nivel de umbral”,
usando un valor de caudal específico (en este estudio: Q90) que supera o queda por debajo de
cierto porcentaje determinado por una curva de duración. La aplicación de la teoría según
Zelenhasic y Salvai (1987) del umbral a una serie de caudal diario (Figura 4.4.2) permite definir
eventos de sequía en términos de duración d (días), volumen de déficit s (1000 m3) y el número
de sequías ocurridas en un año ND (-). El umbral se define a través de la curva de duración y
refleja el caudal (m3/s) que está superado o nó en un porcentaje (Q90 = 90 por ciento) de todo
el tiempo.
Figura 4.4.2.Aplicación de la teoría según Zelenhasic y Salvai (1987) del umbral a una
serie de caudal diario
De acuerdo con Tallaksen y Hisdal (1997), el tiempo entre dos eventos t y el criterio de exceso
v tuvo que ser introducido para seleccionar eventos menores de poca duración y de poco
déficit. Se usan eventos de sequía definidos para calcular varios índices de sequía en términos
máximos de severidad en un año, como por ejemplo el índice de sequía de duración máxima
anual, AMD en días, el déficit máximo anual, AMV en 1000 m3 y la frecuencia (Número de
sequías, ND.
Un método para detectar la existencia de sequía fue calculado mediante dichos índices para
tratar de responder a la pregunta de si las sequías hidrológicas se han vuelto más frecuentes
en Costa Rica (en el término del número de sequías ocurridas en un año, ND) y severas (en
términos de duración, AMD y déficit, AMV). Hisdal, Stahl, Tallaksen y Demuth (2001)
propusieron el método no-paramétrico de Mann - Kendall (MK) por la Curtosis de datos
hidrológicos, es decir, la ocurrencia de pocos eventos extremos y una mayoría de eventos
normales.
89
Mann (1945) y Kendall (1975) detectaron por primera vez tendencias en series de tiempo
proponiendo un método estable, simple, no paramétrico y basado en rangos para la correlación
de dos variables, que en este caso es el tiempo y series de sequía. La variable estadística MK
(para Mann-Kendall) para una serie de tiempo, de datos {Zk, k = 1, 2,…, n} se define de la
siguiente manera:
(81)
Donde
1 si x < 0
sgn (x) = 0 si x = 0
-1 si x > 0
Si hay consistencia en las observaciones presentes y si no hay una tendencia en la serie, la
estadística MK del método estará distribuida normalmente y asintóticamente con
E(T) = 0 (82)
E (T) …Expectativa de la estadística T del MK (-)
Var(T)= n(n–1) (2n + 5)÷18 (83)
Var (T) ……Varianza de la estadística T del MK (-)
La hipótesis de una tendencia positiva (sequías más frecuentes o severas), o, negativa (sequías
menos frecuentes o severas), no se puede desatender a un nivel de significación α, si |T| >u1-α/2, donde u1-α/2 es el 1-α/2 cantil de la distribución normal estándar. El método realizado por tres índices de sequía (AMD, AMV y ND) obtenidos por el umbral constante Q90 y aplicado a
una prueba estadística de dos lazos con un nivel de significación de cinco por ciento (α = 0.05).
El análisis de tendencias es para estudiar si la sequía hidrológica en Costa Rica se ha vuelto más
frecuente y severa. Una tendencia de sequía hacia un aumento o una disminución en la
severidad o la frecuencia basada en un periodo relativamente corto, puede resultar ser parte
de una fluctuación climática natural de largo plazo, o de una influencia humana de corto plazo.
Así, las tendencias en series de sequías no pueden tomarse como una prueba de un cambio
climático artificialmente inducido, pero sí para hallar cambios en el comportamiento hidrológico
correspondiente al periodo de estudio.
Sachi et al., 2008, comparan el comportamiento de los índices de sequía PDSI y el índice auto
calibrado de severidad de sequías de Palmer. (SCPDSI); tomaron como estación representativa
del sur de Santa Fe a la estación agro meteorológica de Zavalla, Argentina durante el periodo
enero de 1973 a mayo de 2008. Se encuentra ubicada en el Campo Experimental de la Facultad
de Ciencias Agrarias de la Universidad Nacional de Rosario, forma parte de la red del Servicio
90
Meteorológico Nacional y del Instituto Nacional de Tecnología Agropecuaria y es
representativa de una zona eminentemente agrícola-ganadera. Se determinan los índices PDSI
y SCPDSI mensuales para todo el periodo de análisis.
En el PDSI la evapotranspiración potencial se calcula mediante el método de Thornthwaite, en
función de la temperatura media mensual climática, y la latitud. El balance hídrico utilizado
para determinar los parámetros corresponde a un modelo en el que el suelo se divide en dos
capas, una superior con una capacidad de retención de 25 mm.y una profunda cuya capacidad es
de 225 mm. Para el cálculo del PDSI se utiliza el software PDIWIN (Ravelo y Herrero, 1999).
Palmer (1965), calcula originalmente sus parámetros, características climáticas y factores de
duración, promediando valores de unas pocas localidades que representan condiciones de clima
semi-árido y de clima sub-húmedo.
Wells (2003) propone una modificación en el cálculo de las constantes basándose en las
características climáticas del lugar. Esto se logra mediante una correcta calibración de las
características climáticas, las que afectan los valores del PDSI y automáticamente el cálculo
de los factores de duración. Por lo tanto, se mejora la sensibilidad del índice.
El SCPDSI reemplaza los valores empíricos de las características climáticas (K) y los factores
de duración (0.897 y 1/3) por valores calculados en base a las condiciones del lugar.
Palmer define los rangos de eventos no extremos entre los valores +4 y -4. Pero en la práctica,
al aplicar las ecuaciones originales a regiones con características climáticas determinadas, los
valores fuera del rango (-4, +4) resultan con mucha frecuencia no simétricos y con intensidades
significativamente inferiores (superiores) en los eventos secos (húmedos) extremos a los
valores -4 (+4).
Si el PDSI fuese una medida estandarizada de la severidad de la sequía, la frecuencia de los
valores extremos positivos y negativos deberían ser las mismas en un periodo extenso de años
(Wells, 2003).
Wells (2003), propone una corrección a estas limitaciones. Para ello es necesario definir con un
mismo porcentaje la frecuencia de los valores extremos (fi). Por ejemplo, si el valor usado
para fi es 2%, o sea, se suponen eventos extremos cada 50 años, la relación entre la frecuencia
esperada y la frecuencia observada define el parámetro de corrección k:
Sequías extremas k = frecuencia esperada del percentil 2 (84)
frecuencia observada del percentil 2
Extremos húmedos
k = frecuencia esperada del percentil 98 (85)
frecuencia observada del percentil 98
91
El cálculo de las características climáticas y factores de duración del PDSI así como la
estimación y las calibraciones del SCPDSI se realizan para los años 1973-2005. El periodo de
cálculo de los índices es desde 1973 a 2008.
Para el presente análisis se define como “evento seco” (“evento húmedo”) al periodo de tiempo
en que los índices PDSI y SCPDSI toman continuamente valores inferiores a -0.5 (superiores a
+0.5).
Se analiza la duración, cantidad e intensidad de los eventos secos y húmedos determinados por
cada uno de los índices estudiados y se realiza una comparación del comportamiento de los
mismos en las situaciones extremas clasificadas por cada método.
El coeficiente de correlación entre el PDSI y el SCPDSI tiene un valor de 0.90 y es
estadísticamente significativos con α=5%.
La figura 4.4.3 (a y b) muestra la distribución en las diferentes categorías asignadas por
Palmer para cada uno de los índices. Se observa una variación en la forma de las distribuciones
de frecuencia después de la calibración; en el caso del PDSI, la función de distribución es
asimétrica positiva, con un máximo absoluto en la categoría “moderadamente húmedo”. Además
no se presentan casos dentro de la categoría “sequía extrema”. En cuanto al SCPDSI se
muestra una distribución bimodal, con máximos en las categorías “ligeramente seco” y
“ligeramente húmedo”. Los porcentajes de situaciones normales disminuyen significativamente
respecto al PDSI, y se determina el mismo número de casos de “sequía extrema” y de casos
“extremadamente húmedos”, si bien se observa un mayor porcentaje en la categoría “sequía
severa” respecto de su opuesto “muy húmedo”.
Figura 4.4.3.a y 4.4.3.b. Evolución temporal de los índices de sequía analizados PDSI y
SCPDSI.
La distribución de frecuencias de los índices: Figura 4.4.4.a. PDSI y 4.4.4.b. SCPDSI. Las
categorías corresponden a las denominaciones definidas por Palmer.
92
Figura 4.4.4a y 4.4.4b. Distribución de frecuencias de los índices
El porcentaje de eventos extremos supera el 2% debido a que la calibración se realiza teniendo
en cuenta el periodo 1973-2005, de manera que al considerar un mayor periodo de información
(hasta el 2008) aumenta el porcentaje a un 3%. Esto se debe a la inclusión como evento
extremadamente húmedo al SCPDSI de marzo de 2007 y como sequías severas a abril y mayo
de 2008.
El cambio en la distribución de frecuencia que se observa al calibrar el índice PDSI se debe a
dos aspectos fundamentales que se han tenido en cuenta en la calibración: por un lado, el
cálculo de la evapotranspiración de referencia se realiza a través del método de FAO Penman-
Monteith, de este modo se tienen en cuenta todas las variables que intervienen en el proceso
de paso de agua en estado líquido desde la superficie y las plantas a agua en estado de vapor a
la atmósfera.
En sitios con información climática completa, de un periodo suficientemente largo de años y con
conocimiento de la capacidad de almacenaje de agua en el suelo, este índice complejo
constituye una herramienta adecuada para caracterizar ocurrencia y magnitud de eventos
extremos.
De todas maneras, para concluir en forma más significativa que el SCPDSI presenta la mayor
eficiencia para detectar eventos extremos, se debería correlacionar dicho índice con
mediciones de humedad de suelo y de rendimientos de cultivos locales.
93
4.5 Referencias.
1. Abbott, M., Refsgaard, J., 1996. Distributed Hydrological Modelling. Water Science
and Technology Library, vol. 22. Kluwer Academic Publishers
2. ARMC (2000). “Floodplain management in Australia. Best practice principles and
guidelines”, Australia: Agricultural and Resource Management Council of Australia and
New Zealand , SCARM Report 73, 105 pp.
3. Avelar, C.E. (2007), “Validación de un modelo para estimar pérdidas esperadas por
escenarios de huracán en México”, XVI Congreso Nacional de Ingeniería Sísmica,
Ixtapa-Zihuatanejo, Guerrero.
4. Batts ME, Cordes MR, Russell LR, Shaver JR, and Simiu E. Hurricane wind speeds in the
United States. J Str Div ASCE 1980;1000:2001±15.
5. Becker, A. y Serban, P. (1990) Hydrological models for water resources system design
and operation. Operational. Hydrol. Report 34, wmo, Geneva, Switzerland.
6. Belleudy, P. (2004). “Risques Hydro-météorologiques, crues et inondations / risque, aléa
et vulnérabilité”, DDS-TUE364- 9, Suiza.
7. Bethlahmy, N. 1977. Flood analysis by SMEMAX transformation. J. Hydraulics Division
103: 69-78.
8. Birkel, C. y S. Demuth. 2006. Drought in Costa Rica – Temporal and spatial variability,
trends and its relationship to atmospheric circulation. International conference on
FRIEND, Havana, Cuba, IAHS Red Book (aceptado).
9. Bobée, B., and F. Ashkar. 1991. Log–Pearson type 3 distribution. In: The Gamma Family
and Derived Distributions Applied in Hydrology. Water Resources Publications.
Littleton, Colorado, U.S.A. pp: 76–120.
10. Box, G.E.P., Cox, D.R., 1964. An analysis of transformations. Journal of the Royal
Statistical Society 26, 211–243 (Discussion 244–252).
11. Campos–Aranda D.F. Hidrosistemas Urbanos. Conceptos básicos, crecientes y planicies
de inundación. Ciencia y Desarrollo, (145):49–57. 1999.
12. Campos–Aranda D.F. Contraste de cinco métodos de ajuste de la distribución GVE en 31
registros históricos de eventos máximos anuales. Ingeniería Hidráulica en México, XVI(2):77–92. 2001.
13. Campos A., D. F. 2006. Análisis Probabilístico Univariado de Datos Hidrológicos. Avances
en Hidráulica 13. AMH–IMTA. México, D. F. 172 p.
14. Campos A., D. F. 2007. Parámetros hidrológicos de la cuenca. In:Estimación y
Aprovechamiento del Escurrimiento. Edición del autor. San Luis Potosí, S.L.P. pp: 41–50.
15. Campos–Aranda D.F. Calibración del método racional en ocho cuencas rurales menores
de 1,650 km2 de la Región Hidrológica No. 10 (Sinaloa), México. Agrociencia, 42(6):615–
627. 2008
16. Cavazos, T. and S. Hastenrath (1990), “Convection and rainfall over Mexico and their
modulation by the Southern Oscillation”, International Journal of Climatology, no. 10, pp. 377-386.
94
17. Cervantes–Sánchez O. y Landeros–Ortiz J.J. Curvas intensidad– duración–periodo de
retorno de las tormentas máximas registradas en Tacubaya, DF. XVIII Congreso
Nacional de Hidráulica, San Luis Potosí, SLP, 2004, pp. 479–486.
18. Chander S., Spolia S.K., Kumar A. Flood Frequency Analysis by Power Transformation.
Journal of the Hydraulics Division, 104(HY11):1495–1504, 1978.
19. Chander, S., S. K. Spolia, and A. Kumar. 1978. Flood frequency analysis by Power
Transformation. J. Hydraulics Division 104: 1495–1504.
20. Chen C–I. Rainfall Intensity–Duration–Frequency fórmulas Journal of the Hydraulics Engineering, 109(12):1603–1621, 1983
21. Chow, V.T.; Maidment, D. R. y Mays, L. W. (1994). Hidrología aplicada. McGraw-Hill,
Santa Fe de Bogotá, 584 pp.
22. Davison AC., Smith RL. Models for exceedances over high thresholds (with discussion).
J Roy Statist Soc B 1990;52:393±442.
23. Escalante S., C. 1999. Inferencia y pronóstico de eventos con base en la teoría de los
subconjuntos borrosos. Ing. Hidráulica en Méx. XIV: 5–17.
24. Gopalakrishnan, S.G., David P. Bacon, Nash.at N. Ahmad, Zafer Boybeyi, Thomas J.
Dunn, Mary S. Hall, Yi Jin, Pius C. S. Lee, Rangaro V. Madala, R.Ananthakrishna Sarma,
25. Haan L. Extreme value statistics. In Galambos J, Lechner J, Simiu E, editors. Extreme
value theory and applications, vol 1.The Netherlands: Dordrecht, 1994. p. 93-122
26. Hisdal, H., K. Stahl; L.M. Tallaksen y S. Demuth, S. 2001. Have streamflow droughts in
Europe become more severe or frequent? International Journal of Climatology, 21: 317-
333.
27. Huerta, B., Vega E. y Avelar C., (2006), “Caracterización del daño causado a estructuras
y contenidos por inundaciónes fluviales y costeras”. XV Congreso Nacional de Ingeniería
Estructural, Puerto Vallarta, Jalisco.
28. Huerta, B., Ordaz, M., Reinoso, E., Avelar F., Torres, M., Zeballos, A., Osuna, E.,
Martínez, I. y Hernández, G. (2007), “Sistema experto para la evaluación de pérdidas
por riesgos hidrometeorológicos en México”, XVI Congreso Nacional de Ingeniería
Sísmica, Ixtapa-Zihuatanejo, Guerrero.
29. IMTA (Instituto Mexicano de Tecnología del Agua). 2000. ERIC II: Extractor Rápido
de Información Climatológica 1920-1998. 1 CD. Comisión Nacional del Agua-Secretaría
de Medio Ambiente y Recursos Naturales-IMTA. Jiutepec, Morelos.
30. IMTA (Instituto Mexicano de Tecnología del Agua). 2003. Banco Nacional de Datos de
Aguas Superficiales (BANDAS). 8 CD. Secretaría de Medio Ambiente y Recursos
Naturales– Comisión Nacional del Agua–IMTA. Jiutepec, Morelos.
31. Janjic, Z.I., J. P. Gerrity Jr. and S. Nickovic, 2001: An Alternative Approach to
Nonhydrostatic Modeling. Monthly Weather Review: Vol. 129, No. 5, pp. 1164.1178.
32. Janjic, Z., 2003: A nonhydrostatic model based on a new approach. Meteorology and Atmosheric Physics, 82, 271- 285.
33. Kendall, M.G. 1975. Rank Correlation Methods, Charles Griffin, London.
34. Kite G.W. Frequency and Risk Analyses in Hydrology. Chapter 12: Comparison of
frequency distributions. Colorado, USA. Water Resources Publications. Fort Collins.
1977. Pp. 156–168.
95
35. Knutson, T.R. and R.E. Tuleya, 2004: Impact of CO2- Induced Warming on Simulated
Hurricane Intensity and Precipitation: Sensitivity to the Choice of Climate Model and
Convective Parameterization. Journal of Climate: Vol.
17, No. 18, pp. 3477.3495.
36. Lizano, O.G. 1990. Modelo de viento ajustado a un modelo de generación de olas para el
pronostico durante huracanes. Revista Geofisica (33), 75-103.
37. Lizano, O.G. 1988. Modelo de predicción de olas generadas por huracanes en el Mar
Caribe. Tesis doctorado, Universidad de Puerto Rico, Mayaguez, 126pags.
38. Lizano O.G. y Fernández W. 1996. Algunas características de las tormentas tropicales y
de los huracanes que atravesaron o se formaron en el Caribe adyacente a Cota Rica
durante el periodo 1886-1988. Top Meteor. Oceanogr., 3(1); 3-10.
39. Mann, H.B. 1945. Nonparametric Tests against Trend. Econometrica 13, 245-259.
40. Mark D. Turner, and Tim Wait, 2002: An Operational Multi-Scale Atmospheric Model
with Grid Adaptivity for Hurricane Forecasting. Monthly Weather Review, Vol. 130, No.
7, pp. 1830-1847.
41. Martín-Vide, J. P.; López-Querol, S.; Martín-Moreta, P.; Simarro-Grande, G. yBenito-
Fernández, G. (2003). Uso de modelos uni y bidimensionales en llanuras de inundación.
Aplicación al caso del rio Tajo en Talavera de la Reina. Ingeniería del agua. 10:49-58.
42. Méndez-González, J., J. J. Návar y O.V. González (2008), “Análisis de tendencias de la
precipitación (1920-2004) en México”, Investigaciones Geográficas,
Boletín, núm. 65, Instituto de Geografía, UNAM, México, pp. 38-55.
43. Miranda, E. (1999), “Approximate seismic lateral deformation demands on multistory
buildings”, Journal of Structural Engineering, 125(4), 417-425.
44. NDBC (2011). “Datos de características del oleaje”. National Data Buoy Center (NDBC),
consultado el 14 de diciembre 2011, disponible en: http://www.ndbc.noaa.gov.html.
45. NOAA-CIRES Climate Diagnostics Center (2004), Document maintained by Klaus
Wolter (klaus.wolter@ noaa.gov), update: April 19, 14:43:11 MDT [http://
www.cdc.noaa.gov/ENSO/enso.mei_index.html].
46. PALMER, W. 1965. Meteorological drought. US: Weather Bureau, Reserch Paper Nº 45,
Washington.
47. Pavia, E. G. and A. Badana (1998), “ENSO modulates rainfall in the Mediterranean
California”, Geophysical Research Letters, no. 25, pp. 3855-3858.
48. RAVELO, A. y HERRERO, C. 1999. PDIWIN v1.0. Centro de Relevamiento y Evaluación
de Recursos Agrícolas y Naturales
49. Resio, D.t. 1981. The estimation of wind-wave generation in a discrete spectral model. J
of Phys Oceanog. 11, 510-525.
50. Russell LR. Probability distributions for hurricane e€ects. J Waterways Harbours and
Coastal Eng Div ASCE 1971;97(WW2):130±54.
51. Russo, B., Gómez, M. and Macchione, F. (2011). “Experimental approach to determine
flood hazard criteria in urban areas”, 12th International Conference on Urban Drainage,
Porto Alegre, Brazil.
96
52. Sánchez, L. y Méndez, L. (2009). “Modelo de elevación digital e informatización del
sistema de drenaje mayor y menor de la zona oeste de la ciudad de Santa Ana de Coro,
Falcón.”, Trabajo de Investigación, UNEFM, Coro, Venezuela, 230 pp.
53. Sánchez, L. (2011) . "Un nuevo enfoque del método de ponderación mixta en la
determinación de la peligrosidad a las inundaciónes pluviales en una cuenca urbana",
Centro de Investigaciones en Recursos Hídricos (CIDRHI), UNEFM, reporte 01-2011,
Coro, Falcón, Venezuela.
54. Schaefli, B., Hingray, B., Musy, A., 2004. Improved calibration of hydrologicalmodels:
use of a multi-objective evolutionary algorithm for parameter andmodel structure
uncertainty estimation. Hydrology: Science and Practice for the21st Century, pp. 1.
55. Secretaría de Agricultura y Recursos Hidráulicos (SARH). Boletín Climatológico No. 3. Región Hidrológica No. 37. El Salado, Subsecretaría de Planeación. México, DF. 1980a.
56. Secretaría de Agricultura y Recursos Hidráulicos (SARH). Boletín Climatológico No. 4. Región Hidrológica No. 36. Nazas–Aguanaval, Subsecretaría de Planeación. México, DF.
1980b.
57. Secretaría de Agricultura y Recursos Hidráulicos (SARH). Boletín Climatológico No. 5. Región Hidrológica No. 26. Pánuco, Tomos I y II, Subsecretaría de Planeación. México,
DF. 1982.
58. Secretaría de Agricultura y Recursos Hidráulicos (SARH) Boletín Climatológico No. 6. Regiones Hidrológicas No. 24 Oriente (Bajo Rio Bravo) y No. 25 Golfo Norte (San
Fernando–Soto La Marina), Subsecretaría de Planeación. México, DF. 1983.
59. Secretaría de Comunicaciones y Transportes (SCT). Isoyetas de Intensidad–Duración
Frecuencia. República Mexicana. Subsecretaría de Infraestructura. México, DF. 1990.
495 p.
60. Simiu E, Scanlan RH. Wind e€ects on structures. 3rd ed. New York:Wiley Interscience,
1996.
61. Smith RL. Extreme value theory. In Lederman W, Lloyd E, Vajda S, Alexander C,
editors. Handbook of applicable mathematics. New York:John Wiley & Sons,1989. p.
437±472.
62. SRH (Secretaría de Recursos Hidráulicos). 1975. Actualización al Boletín Hidrológico
No. 36. Tomo VI, periodo 1970–73. Subsecretaría de Planeación de la S.R.H. México, D.
F.
63. Stedinger, J. R., R. M. Vogel, and E. Foufoula–Georgiou. 1993. Frequency analysis of
extreme events. In: Maidment D. R. (ed). Handbook of Hydrology. McGraw-Hill, Inc.
New York, U.S.A. pp: 18.1-18.66
64. Tallaksen, L.M. y H. Hisdal. 1997. Regional analysis of extreme streamflow drought
durationand deficit volume. Proceedings of the 3rd International conference on
FRIEND, 1-4 Oct. 1997, Postojna, Slovenia, IAHS Publ., 246, 141-150.
65. Témez P., J. R. 1991. Generalización y mejora del método racional. Versión de la
Dirección General de Carreteras de España. Ingeniería Civil 82: 51–56.
97
66. Torres, M.A., Avelar, C.E. y Huerta, B. (2007), “Evaluación del riesgo por inundaciónes
debidas a tormentas”, XVI Congreso Nacional de Ingeniería Sísmica, Ixtapa-
Zihuatanejo, Guerrero
67. Triviño, A. P. y Ortiz, S. R. (2004). Metodología para la modelación distribuida de la
escorrentía superficial y la delimitación de zonas inundables en ramblas y rios
rambla mediterráneos. Investigaciones geográficas. 35:67-83.
68. Vickery PJ, Twisdale LA. Prediction of hurricane windspeeds in the US. J Struct Eng
1995;121:1691±9.
69. WELLS, N. 2003. Documentation of the original and self-calibrating Palmer Drought
Severity Index used in the Nat. Agr. Decision Support System. Univ. of Nebraska,
Lincoln.
70. Willems, P., 2007. River modelling, Adapted version 2007 of the ‘‘GeneralMethodology
for River Flood Modelling’’ for the Administration of Waterwaysand Sea – Department
Flanders Hydraulics and Hydrological Research.Katholieke Universiteit Leuven
Hydraulics Laboratory, Heverlee, BE (in Dutch).
71. Willems, P., 2009. A time series tool to support the multi-criteria
performanceevaluation of rainfall–runoff models. Environmental Modelling and
Software 24(3).
72. Willoughby, H.E. and Rahn, M.E. (2004). “Parametric Representation of the Primary
Hurricane Vortex. Part I: Observations and Evaluation of the Holland (1980) Model”.
Monthly weather review, American Meteorological Society, volumen 132, dec. 2004.
73. Yang, J., Reichart, P., Abbaspour, K.C., Yang, H., 2007. Hydrological modelling of the
Chaohe Basin in China: statistical model fórmulation and Bayesian inference.
Journal of Hydrology 340 (3), 167–182.
74. Zelenhasic, E. y A. Salvai. 1987. A method of streamflow drought analysis. Water
Resour. Res. (23, 1), pp. 156-168.
75. Zonensein, J.; Miguez, M.G.; De Magalhães, L.P.C. and Valentin, M.G. (2008). “Flood risk
index as an urban management tool”, 11th International Conference on Urban Drainage,
Edinburgh, Scotland, UK.
98
Capítulo 5. Estudio de caso
5.1 Introducción
La península de Yucatán sufre la constante amenaza de mareas de tormenta, vientos, deslaves,
oleajes, desbordamiento de ríos e inundaciones por acumulación de lluvias. (Vega et al, 2012).
En el año 2010, en Campeche se presentaron eventos de precipitación extrema que ocasionaron
grandes inundaciones. En la ciudad capital en un tiempo de 2 horas hubo una precipitación de
116.6mm que ocasionó severas inundaciones en la ciudad de San Francisco, Campeche.
(CENECAM, 2010).
El Estado de Campeche se encuentra ubicado en la Península de Yucatán, limitando al norte con
Yucatán, al sur con Tabasco, Guatemala y Belice, al este con Quintana Roo y al oeste con el
Golfo de México. Sus coordenadas geográficas extremas son las siguientes: 17°49’ - 20°51’
latitud Norte y 89°06’ - 92° 27’ longitud Oeste. Tiene una extensión territorial de 56,797.84
km 2 y una población total de 822 mil 441 habitantes -censo de población 2010- distribuida en
once municipios: Calkini, Champotón, Candelaria, Campeche, Carmen, Calakmul, Escárcega,
Hecelckakan, Hopelchen, Palizada y Tenabo (figura 5.1.1) . (CENECAM, 2010).
Figura 5.1.1. División del estado de Campeche.
Existen localidades del resto del Estado que también se ven afectadas por las inundaciones y
algunas cabeceras importantes que por su densidad de población y complejidad orográfica
sufren, de la misma forma, de estas contingencias. De esta manera, para este tipo de
fenómeno meteorológico se mencionan y describen las siguientes zonas de riesgo para que la
población se encuentre enterada (CENECAM, 2010):
99
1.- Región de los "Ríos".
- Municipios con localidades susceptibles a inundación e incomunicación., (CENECAM, 2010):
* Calakmul * Candelaria *Escárcega
* Calkini * Carmen * Hecelochakan
* Campeche * Champótón *Hopelchen
Actualmente el CENECAM tiene sectorizado al Estado de Campeche en tres regiones de
previsión meteorológica (figura 5.1.2): Norte, Centro y Sur. La región norte abarca los
municipios de Calkiní, Hecelchakán, Hopelchén y Tenabo; la región centro que comprende a
Campeche y Champotón y por último la región sur, comprendiendo los municipios de Calakmul,
Escárcega, Candelaria, Palizada y Carmen.
Debido a la necesidad de contar con regiones homogéneas, se establece un criterio
fundamentado en las características geográficas y climáticas del Estado, para la elaboración
de una nueva distribución espacial y así establecer una nueva regionalización con el objetivo de
identificar en el tiempo y espacio la distribución de las precipitaciones en el estado de
Campeche, (CENECAM, 2010).
Figura 5.1.2. Regiones delimitadas por el Centro Estatal de Emergencias para Elaboración
de boletín meteorológico.
100
Debido a las características climáticas y orográficas, a partir de ahora podemos entonces
determinar cinco zonas o regiones (CENECAM, 2010):
Región Norte: Calkiní, Hecelchakán y Tenabo
RegiónOriente: Hopelchén y Calakmul
Región Centro: Campeche y Champotón
Región Sur: Candelaria y Escárcega, y
Región Suroeste: Carmen y Palizada
Figura 5.1.3. Imagen de la nueva distribucion municipal por regiones para el boletín del
Sistema de Alertameinto de Tiempo Severo.
La cuenca se encuentra localizada en el municipio de Champotón (Figura5.1.4 } en la zona Centro
de Estado de Campeche, entre las coordenadas 89°54´y 91°11´de longitud oeste y 18°34´y
19°41´de latitud norte. (INEGI, 2011).
Figura 5.1.4. Zonificación de las regiones Centro.
Dentro de la península de Yucatán se cuenta con 245 estaciones climatológicas, 17 estaciones
climatológicas automáticas, 7 estaciones meteorológicas automáticas y 2 estaciones de radar
meteorológico. Esta información fue recabada por la CNA.
101
Figura 5.1.5. Estaciones climatológicas ubicadas en el Estado de Campeche.
Para conocer el comportamiento de escurrimiento de una cuenca, la conducción de un río, la
red principal del drenaje, se deben realizar estudios hidrológicos e hidráulicos adecuados.
5.2 Estudio de caso en Champotón, Campeche.
El estudio realizado por Posada y Vega, (2010) en la cuenca del río Champotón la cual se
delimitó a partir de información cartográfica en formato digital (cartas topográficas del
INEGI escala 1:50000) y Modelo Digital de elevaciones (MDE) con una resolución de pixel de
20x 20m para determinar las características físicas del área de estudio.
Los objetivos del estudio realizado fueron (Vega et al., 2010):
Realizar estudios hidrológicos e hidráulicos de la cuenca.
Construir mapas de peligro, asociados a inundaciones por desbordamientos del río
(Programa Hec RAS y su vinculación con ArcGis).
Obtener parámetros físicos de la cuenca con ArcGis.
Con los datos de precipitación de las estaciones climatológicas realizar el análisis
estadístico.
Obtener caudales de diseño para diferentes periodos de retorno mediante un análisis
hidrológico.
102
Localización de la zona en estudio:
El río Champotón se encuentra dentro de la cuenca “Río Champotón y Otros”, perteneciente a la
región hidrográfica No 31 y al organismo de cuenca Península de Yucatán Oeste (Vega et
al.,2012). La región No 31 está ubicada al suroeste de la península de Yucatán. Colinda al
poniente con la R.H No 30 (Grijalva-Usumacinta); al noroeste con la laguna de Términos y el
Golfo de México; al norte, su límite con la R.H. No 32 (Yucatán norte); al oriente con la RH
No33. (Yucatán este) y al sur con la República de Guatemala. (CENAPRED, 2010).
El río desemboca en el Golfo de México; en su desembocadura se ubica la ciudad Champotón.
La longitud del río es de 48km, 35km son navegables de manera continua desde la
desembocadura en el Golfo de México hasta la estación hidrométrica Canasayab. (Vega et
al.,2012)
La parte más alta de la cuenca tiene una elevación de 120msnm; el desarrollo principal del río
Champotón se da sobre una planicie con pendiente suave y sin afluentes. El área de la cuenca
es de 710 km2 aproximadamente como se observa en la Figura 5.2.1. (Vega et al.,2012)
Figura 5.2.1. Cuenca del Rio Champotón.
A través de la base de datos CLICOM (Red Mexicana de estaciones climatológicas), utilizando
los datos de precipitación máxima en 24 horas, así como la información otorgada por la
gerencia técnica local de la CONAGUA se llevó a cabo el análisis de la precipitación en la
cuenca.
Se realizó un análisis estadístico de lluvia máxima en 24 horas, haciendo un ajuste de funciones
de probabilidad con el programa AX (Jiménez, E.M., 1997) el cual ajusta distintas funciones de
probabilidad a muestras de datos y calcula el error estándar de cada una de ellas con respecto
a la muestra.
Con el método de los polígonos de Thiessen se obtuvo la precipitación media, considerando el
análisis regional para diferentes periodos de retorno.
Análisis del escurrimiento
El estado de Campeche cuenta con 3 estaciones hidrométricas localizadas en los ríos
Candelaria, Palizada y Champotón. La estación hidrométrica Canasayab, ubicada en el límite
(aguas arriba) de la cuenca baja solo registra el escurrimiento de 36.62% del área total.
103
Los datos de esta estación se analizaron con el mismo proceso que los datos de lluvia de las
estaciones climatológicas y se obtuvo el gasto instantáneo y total de la parte alta de la cuenca.
Tabla 5.2.1
Tabla 5.2.1.Datos de la estación.
Clave Nombre Latitud Longitud Años de registro Periodo
31002 Canasayab -90.575 19.294 50 1956-2006
Para determinar los gastos de diseño se utilizaron curvas de intensidad- duración y periodo de
retorno a partir de análisis estadístico de la lluvia máxima en 24 horas y el estudio de
regionalización. También se determinó el tiempo de concentración de la cuenca con
características fisiográficas del cauce principal, que nos permite determinar el tiempo de
respuesta de la cuenca.
El análisis hidráulico se centra en el modelado del comportamiento y variación de la superficie
libre del agua o el nivel del agua a lo largo de todo el rio Champotón, bajo ciertos escenarios y
condiciones de frontera. Esto se refiere a que a lo largo de un cauce existen secciones
transversales críticas, y cuando se presentan eventos extremos en la cuenca de análisis que a
su vez generan escurrimientos extraordinarios, se desbordan y generan inundaciones en
llanuras adyacentes.
Para realizar un análisis hidráulico de un río, se debe definir con ayuda del MDE la trayectoria
del cauce, los bordos naturales, llanuras de inundación y secciones transversales del río. En
este caso se requirió hacer un levantamiento batimétrico del río, se ocupó un ecosonda
Valeport; este equipo se programó para que tomara registros de latitud, longitud y profundidad
a cada segundo.
En el caso de los escenarios, se tendrán diferentes condiciones de salida, debido a la influencia
de la marea astronómica y la marea de tormenta.
Para determinar qué nivel de marea se puede presentar se utilizaron registros de marea de la
red mareo gráfica instalada por el instituto EPOMEX y el Instituto de Ingeniería de la UNAM;
para el estado de Campeche, (Ruiz et al., 2010).
Los mapas de peligro son presentaciones gráficas y espaciales que muestran la distribución de
fenómenos perturbadores de origen natural o antropogénico, basados en datos probabilísticos
y/o estadísticos que conducen a la determinación de un nivel cuantitativo de la intensidad de un
fenómeno perturbador para un lugar específico.
Se generó el producto final, el Sistema de información geográfica SIG, el cual es dinámico
pues permite hacer el cruce entre el peligro caracterizado (áreas de inundación) con
diferentes bases de datos tales como líneas vitales (carreteras, líneas de alta tensión,
104
acueductos) infraestructura de servicios (refugios, escuelas, hospitales), reservas protegidas,
áreas de cultivos y planes de ordenamiento.
Los mapas de peligro obtenidos para periodos de retorno de 10 y 100 años tomaron en
cuenta el efecto de la marea astronómica y de tormenta en la desembocadura del río
Champotón, los diversos escenarios de inundación y el cruce con la información.
Se concluye con la importancia y necesidad de generar mapas de peligro por efecto de
desbordamiento de ríos a causa de los factores ya mencionados, los que son una herramienta
dinámica de prevención de inundaciones, sirven para el ordenamiento territorial pues se puede
evitar la construcción de inmuebles en zonas propensas a inundaciones, o para diseñar la
infraestructura adecuada para que soporte las inundaciones.
En el estado de Campeche, los fenómenos hidrometeorológicos han originado desastres
naturales que han sido registrados en archivos históricos. Los antecedentes en cartografía
sobre amenazas naturales en Campeche, son los mapas de zonas propuestos por el CENECAM
en el atlas de riesgos 2000, evaluación de daños en las zonas costeras de la península de
Yucatán por el huracán Isidore elaborado en el Centro EPOMEX-UAC (Rivera, 2004) y el
diagnóstico de riesgos por inundación y atlas de peligros a nivel ciudad, financiado por
SEDESOL y el ayuntamiento de Campeche (Palacio, 2005).
En 2009, inició el proyecto atlas de peligros naturales del estado de Campeche, realizado en
conjunto con el centro EPOMEX de la UAC, IINGEN UNAM, y la Universidad Autónoma de San
Luis Potosí, para el centro estatal de atención a emergencias del estado de Campeche,
CENECAM.
A partir de la información documental, estadística, de gabinete y de campo, para generar
documentos cartográficos en formato analógico y digital, ubicando las zonas expuestas a
peligros. La información digital se almacenó en un SIG actualizable.
Figura 5.2.2. Sistema de consulta de resultados de atlas de Peligros Naturales del Estdo
de Campeche
105
Los peligros que afectan con mayor intensidad y frecuencia al Estado de Campeche son los
peligros hidrometeorológicos como la marea de tormenta, oleaje, viento, lluvia e inundaciones.
El estudio hidrológico de la cuenca del Río Champotón se generó a partir de un análisis de
eventos extremos de precipitación, considerando la teoría de regionalización y la aplicación de
un modelo de lluvia-escurrimiento; la marea astronómica de la región de Champotón fue
calculada con los registros medidos por un sensor de presión absoluta instalado en la costa.
La marea de tormenta asociada a los eventos meteorológicos fue cuantificada a través de un
modelo numérico que se resuelve con ecuaciones de aguas someras promediadas en la vertical;
para la hidrodinámica del rio se utilizó el modelo numérico HEC.RAS V4.1, y los resultados se
integraron en un SIG (Sistema de Información Geográfica). Se utilizó la metodología
propuesta por el CENAPRED (Centro Nacional de Prevención de Desastres) para la
cuantificación de zonas inundables en ríos, por medio del uso de software HecRas y ArcMap.
Características de la cuenca:
Las características de la cuenca fueron determinadas a través de cartas topográficas digitales
escala 1:50 000 (INEGI, 2001a y b) y un MDE (Modelo digital de elevaciones), con una
resolución espacial de pixel de 20 x 20m utilizando el software ArcInfo versión 9.3. El MDE
fue realizado por el grupo ODI para el Proyecto Atlas de Peligros Naturales del Estado de
Campeche, que realiza la Universidad Autónoma de Campeche (UAC) y la Universidad Nacional
Autónoma de México. (UNAM) para el Centro de Atención a Emergencias del Estado de
Campeche (CENECAM, 2010).
Las lluvias en la zona son principalmente en verano; entre el periodo de mayo-octubre la
precipitación pluvial varía entre 900 y 1000mm, con lluvia apreciable de 30 a 59 días; entre
noviembre y abril la precipitación disminuye y es de 100 a 125mm, con lluvia de 0 a 29 días. Las
temperaturas en verano tienen valores máximos de 40°C y en invierno mínimas de 12°C. El
promedio de temperatura anual es de 26°C. (Koppen, 1948; García et al., 1989).
Metodología
Posada et al, 2010, utilizaron un modelo digital de elevaciones con resolución de 20 m
proporcionado por la empresa ODIGROUP de Campeche, ya que del MDE del INEGI que era la
información geográfica inicial no se logró obtener las secciones transversales para el modelado
hidráulico. Se realizó la batimetría de detalle del cauce navegable del río Champotón, y se
incluyeron las cartas topográficas del INEGI en formato .DXF para complementar las curvas
de nivel. Para el levantamiento batimétrico a través de una ecosonda Valeport de 210 kHz con
GPS integrado se tomaron los registros de latitud, longitud y profundidad con una frecuencia
de 4Hz, con la ayuda de una computadora portátil se hizo de manera simultánea la recolección
de los datos. Tabla 5.2.1
106
Con el programa Hypack se realizó la navegación de la embarcación a través del río. Se inició
con el levantamiento al inicio de la desembocadura del río en el Golfo de México en dirección a
la parte más angosta (estación Canasayab) de la CONAGUA, clave 31002, BANDAS. El tramo
cubierto abarcó 32.87 kilómetros como se observa en la .2.3.
Figura 5.2.3. Detalle de la batimetría del río Champotón en donde se observan los
transectos transversales.
La figura 5.2.4. Contiene la información topográfica del modelo digital de elevaciones, y la
figura 5.2.5. Esquematiza la cuenca Champotón con la red de drenaje calculada con ArcMap.
107
Figura 5.2.4. Integracion MDE con batimetría del río Champotón
Figura 5.2.5. Cuenca del río Champotón y red de drenaje
Datos de precipitación y caudales:
Con la base de datos CLICOM (Servicio meteorológico nacional, 2011), se obtuvieron los datos
de precipitación máxima en 24 horas; se consideraron las estaciones climatológicas que tuviera
un registro continuo y completo de un mínimo de 20 años; en total, se tomaron 6 estaciones de
lluvia y se llevó a cabo el análisis estadístico de manera regional.
La obtención de la precipitación media se obtuvo a través del método de los polígonos de 1998).
El método se logró aplicar con el programa ArcGis con el cual se obtuvo el área de influencia de
cada estación mostrada en la figura 5.2.6.
108
Figura 5.2.6.Areas de influencia de las estaciones en la cuenca del río Champotón.
Mediante el programa AX (Jiménez, 1997) se llevó a cabo un ajuste de funciones, para
determinar distintas funciones de probabilidad a muestras de datos y calcular el error
estándar de cada una de ellas con respecto a la muestra; este programa también permite
obtener los valores de lluvia máxima para diferentes periodos de retorno como se muestra en
la figura 5.2.7. El mejor resultado obtenido por el programa.
Figura 5.2.7. Análisis Regional de lluvias máximas de 24 horas para las estaciones
climatológicas.
El modelo lluvia-escurrimiento utilizado está basado en la fórmula racional; este método
considera que el gasto máximo se alcanza cuando la precipitación se mantiene con una
intensidad (i) constante en un tiempo dado (d) igual al tiempo de concentración (tc). (Campos,
2007).
El tiempo de concentración se determinó con las características fisiográficas del cauce
principal de la cuenca, y así después se logró determinar el tiempo de respuesta de la cuenca
Por otro lado, se obtuvo la precipitación e intensidad i para el tc obtenido anteriormente y
para cada periodo de retorno establecido en la salida de la cuenca, tabla 5.2.2.
109
Tabla 5.2.2. Intensidad para varios periodos de retorno.
El coeficiente de escurrimiento (Ce) es un factor determinante para este modelo, se obtiene a
través de las cartas de la serie 2 del Inventario Nacional Forestal (INEGI,2010), de la cual se
extrajo el polígono de la cuenca del río Champotón (Figura 5.2.8) con los diferentes usos de
suelo y tipo de vegetación para el área estudiada. De acuerdo a la vegetación y uso de suelo
en la región se utilizó la tabla 5.2.3 para obtener dicho valor. (Aparicio, 1997).
Figura 5.2.8. Uso de suelo y vegetación de acuerdo a la carta de Inventario Nacional
Forestal.
Tabla 5.2.3 Coeficientes de escurrimiento para tipo de suelo
Intensidad para diferentes
periodos de retorno
Tr Intensidad
(años) (d=tc,mm/h)
2 3.97
5 5.82
10 7.62
20 9.28
50 11.31
100 12.79
200 14.22
500 16.16
1000 17.59
10000 22.3
110
Los resultados obtenidos de precipitación, e intensidad de la tabla 5.2.4 fueron corregidos por
el coeficiente de intervalo fijo, el cual corrige los datos por toma de lectura y por el factor de
reducción por área FRA, el cual se aplica para cuencas muy separadas, con baja densidad de
estaciones, y considerando los polígonos de Thiessen. Se aplicó la metodología propuesta por
Domínguez et al., (2008) y Domínguez y Palacio (2010).
Tabla 5.2.4. Gastos de diseño en la desembocadura del río Champotón.
En octubre del 2009 el instituto EPOMEX-UAC y el IINGEN UNAM instalaron un sistema de
sensores de presión absoluta y temperatura para poder caracterizar adecuadamente la marea
astronómica para las localidades costeras más importantes del estado( figura 5.1.15 Posada et
al., 2010), gracias a estos sensores se determinó que la marea es mixta; es decir; se
presentan 2 mareas altas y 2 bajas por día, en total 2 ciclos sucesivos con periodos de 12 horas
y 25 minutos cada uno, con amplitudes distintas entre sí (Pulido, 2011). Se muestra en la
figura 5.2.9 la localización de mareógrafos y barómetros.
Figura 5.2.9. Localizacion de mareógrafos y barómetros.
111
La señal de marea astronómica se reconstruyó para el año 2011 con las componentes señaladas
figura 5.2.10., donde se indica que la máxima pleamar es de 0.66MSN-MM y la mínima bajamar
de -0.88MSNMN, lo cual produce como resultado una altura de marea de 1.54 metros
considerada como marea micro mareal por ser menor a 2 metros, al ser tan somera la bahía de
Champotón, ocasiona que cuando se presentan las mareas bajas se puedan observar las barras y
bajos litorales que se localizan en la zona litoral de la ciudad. Los componentes de marea para
la ciudad de Champotón se muestran en la tabla 5.2.5.
Figura 5.2.10 Pronóstico de mareas para la ciudad de Champotón.
Tabla 5.2.5 Marea para la ciudad de Champotón.
Teniendo determinado el nivel de pleamar se procedió a calcular los niveles de marea de
tormenta por medio de la aplicación de 2 modelos numéricos HURAC (Silva et al., 2000) y
HD23 (Posada et al., 2008). La marea de tormenta y la astronómica son importantes ya que si
se presenta un huracán con la máxima pleamar, el nivel de inundación será mayor.
El modelo HURAC calcula los campos de velocidades y presión atmosférica debidas a un
huracán; es un modelo paramétrico que obtiene la magnitud y dirección del viento para
cualquier instante de tiempo, así como el valor de la presión a partir de los registros del
NOAA; el HD23 se encarga de resolver ecuaciones de continuidad y de cantidad de movimiento
sobre una malla numérica, así obtiene las velocidades de flujo y el valor de la superficie libre
del agua.
112
Cálculo de la marea de tormenta+
La metodología para calcular la marea en la ciudad de Champotón tomando en cuenta diversos
periodos de retorno es la siguiente: (Posada et al., 2010).
1. Para el análisis de huracanes se consideraron los registrados en el periodo de 1948 al
2010 en la zona del Mar Caribe y Golfo de México. Para cada año se seleccionaron los
huracanes que cruzaron en un radio máximo de 200Km algún punto geográfico de
Campeche. Por ejemplo en el 2005 fueron Emily, Wilma y Stan.
2. Para los huracanes seleccionados se obtuvo su campo de velocidades y presiones por
medio del modelo HURAC. Figura 5.1.11. huracán Emily, campos de presión y velocidad
cuando su ojo estaba el norte de Progreso (Yucatán).
3.
Figura 5.2.11.. Campos de velocidades y presiones del huracán Emily, Yucatán.
4. Se ejecutaron los modelos HURAC y HD23 para cada uno de los años generalizados
y sus respectivos huracanes registrados , para obtener variaciones de la superficie libre
en la zona estudiada. Figura 5.1.12. variación de superficie libre del agua para huracán
Wilma en 5 puntos de la costa de Campeche.
5.
Figura 5.2.12. Tiempo vs superficie libre para el huracán Wilma.
113
6. Se obtuvo el máximo valor de la superficie libre del agua en toda la zona costera de la
ciudad de Champotón para cada huracán. Figura 5.2.13 máxima marea de tormenta para
el Estado de Campeche debida al huracán Stan 2005.
Figura 5.2.13. Marea de tormenta máxima para huracán Stan 2005.
7. Si en el mismo año se presentan varios huracanes, se obtiene el máximo valor de la
marea de tormenta para cada punto de todos los huracanes.
8. Con los máximos anuales calculados se realiza el análisis extremal con la distribución de
probabilidad Weibull, con gran validez para fenómenos que ocurren en el mar.
Con los parámetros obtenidos se generan mapas de marea de tormenta para periodos de
retorno de 2,5,10,20,30,50,100,250,500 y 1000 años, y funciones de inundación para todas las
celdas costeras de Campeche; figura 5.2.14 muestra la funciones correspondiente a la celda
más cercana a la desembocadura del rio Champotón.
Figura 5.2.14. Funciones de inundación para las celdas costeras de Campeche.
Los escenarios de ascenso del nivel medio del mar asociados al cambio climático considerados
se obtuvieron de: proyecciones que el IPCC (2007) propone para el año 2099 (tabla 5.2.6) y las
proyecciones de Zavala et al., (2010) con el registro histórico del equipo oceanográfico del
Sistema Mareográfico Nacional, instalado en Ciudad del Carmen, cuya tendencia indica un
aumento de 3.4mm/año del nivel medio del mar a partir del año 1990.
114
Tabla 5.2.6. Proyecciones del calentamiento de la superficie libre y aumento en el nivel
medio del mar para finales del siglo XIX (IPCC, 2007).
Tabla 5.2.7. Escenarios de modelación para el rio Champotón.
El resumen de los 12 escenarios de modelación propuestos para este estudio estimado para el
año 2099 está contenido en la tabla 5.2.7. Se considera que la marea astronómica, la de
tormenta y la estimación de caudales en el río no cambia, solo el nivel del mar aumenta.
Adicionalmente a este trabajo de tesis se elaboró un mapa de la correlación existente entre el
fenómeno de sequías que afecta periódicamente al país y los eventos de precipitación media a
nivel estatal, a partir de la revisión de la información reportada por la CONAGUA. Estos
resultados se incluyen en el anexo 1.
115
5.3 Referencias
1. Aparicio, F.J., 1997. Fundamentos de Hidrológica de Superficie, 6ta Reimpresión.
Limusa, S.A de C.V.
2. Arcos Espinosa, G., S.B. Jiménez-Hernández, R Padilla-Hernández, 2010. Escurrimiento
medio anual y disponibilidad de agua en la vertiente del Golfo de México, p. 61-72. En:
E.Rivera Abbott, M., Refsgaard, J., 1996. Distributed Hydrological Modelling. Water
Science and Technology Library, vol. 22. Kluwer Academic Publishers
3. Arriaga, I. Azuz-Adeath, L. Alpuche Gual, y G.J. Villalobos Zapata (eds.) Cambio
Climático en México un Enfoque Costero- Marino. Universidad Autónoma de
Campeche.cetys-Universidad, Gobierno del Estado de Campeche. 944 p.
4. Bender, M., T. Knutson, R. Tuleya, J. Sirutis, G. Vecchi, S. Garner, y I. Held, 2010.
Modeled impact of anthropogenic warming on the frequency of intense Atlantic
hurricanes. Science,327, 454. DOI: 10.1126/science.1180568.
5. Campos, Aranda D. F., 1998. Procesos del Ciclo Hidrológico, 3ra Reimpresión.
Universidad Autónoma de San Luis Potosí; Facultad de Ingeniería; San Luis Potosí,
México; D.F.
6. Campos, Aranda D. F., 2007. Estimación y aprovechamiento del escurrimiento: Primera
edición, San Luis Potosí, S.L.P. isbn-970-95118-0-7 conagua, 2011. bandas, Banco
Nacional de Aguas Superficiales, conagua, Mexico.http://www.conagua.gob. mx
/CONAGUA07/Contenido /Documentos/Portada%20BANDAS.htm
7. Castanedo, S., 2000. Desarrollo de un modelo hidrodinámico tridimensional para el
estudio de la propagaciónde ondas largas en estuarios y zonas someras. Tesis Doctoral,
Escuela Técnica Superior de Ingenieros de Caminos, Canales y Puertos, Universidad de
Cantabria.
8. CENECAM, “Plan Estatal de Contingencias para fenómenos Hidrometeorológicos 2010”,
México: Gobierno del Estado de Campeche, 2010.
9. Domínguez. M. R., G. G. Esquivel, M. A. Baldemar, R.A. Mendoza, y J.M.L. Arganis, 2008.
Manual del modelo para pronóstico de escurrimiento., Serie manuales. ii- unam.
10. Domínguez, R., S.E. Palacio, 2010. Tormentas de diseño en el rio Grijalva. xxi Congreso
Nacional de Hidráulica. Octubre, 2010. esri, 2009. Programa Arcinfo versión 9.3. Flores
S, J., e I. Espejel, 1994. Etnoflora yucatanense: tipos de vegetación de la península de
Yucatán. Fascículo 3, uady, Mérida Yucatán, p. 73-83.
11. García, E., R. Vidal, y M.E. Hernández, 1989. Las regiones climáticas de México. En A.
García de Fuentes, A(ed). Atlas Nacional de México, Instituto de Geografía, unam.
12. INEGI, “Resultados Definitivos del Censo de Población y Vivienda delEstado de
Campeche” http://www.inegi.org.mx/default.aspx
13. INEGI, 2010. Uso de Suelo y Vegetación Serie II, Clave E1601, 1:250,000, formato
*.shp.http://mapserver.inegi.gob.mx/geografia/espanol/datosgeogra/basicos/
hidrología /rios/ regiones_hidrologicas.cfm?c=519.
14. IPCC, 2007. Cambio climático 2007: Informe de síntesis. Contribución de los Grupos de
trabajo I, II y III al Cuarto Informe de evaluación del Grupo Intergubernamental de
Expertos sobre el CambioClimático ipcc, Ginebra, Suiza, 104 p.
116
15. Jiménez, E. M., et al. Manual de Operación de los programas AX.EXE, CENAPRED,
México, 1997
16. Ruiz, G., Mendoza, E., Silva, R., Posada, G., Pérez, D., Rivillas, G., Escalante, y E., Ruíz, F.,
2008. Caracterización del régimen de oleaje y viento de 1948-2007 en el litoral
mexicano. Revista de Ingeniería del Agua, 16(1).
17. Ruiz, G., Vega, B.E., Posada, G., Silva, R., Nava, J. C "Implementación de Red
Mareográfica en el Litoral del Estado de Campeche", 2010, p 27-48. Jaina, vol. 21, No 1,
enero-junio. 2010. ISSN 0188 – 4700, CENAPRED 2006
18. Posada. G., Silva, R., Medina, R. (2008), “Modelo numérico tridimensional para
transporte de un contaminante conservativo”, Revista Ingeniería Hidráulica en México,.
Vol. XXIII, núm. 1, II Época, enero-marzo de 2008 pp. 5-19. ISSN-0186-4076
19. Posada, G., Vega, B.E, Ruíz, G., Silva, R., Nava, J.C., Pulido, Y. (2010), "Sistema de Medición de Niveles de Mar y Temperatura en el Estado de Campeche, México ", XXIV
Congreso Latinoamericano de Hidráulica, Punta del Este, Uruguay. (Artículo aceptado).
20. Ruiz, G. et. al. (2008), “Análisis extremal en Atlas del clima marítimo de aguas litorales
mexicanas”, Revista Ingeniería Hidráulica en México.
21. Silva, R., (2005) Análisis y descripción estadística del oleaje, Serie Docencia Instituto
de Ingeniería UNAM, ISBN 970-32-0710-3. Septiembre.
22. Silva, R., et. al., 2008. Atlas Oceanográfico de clima marítimo de la vertiente Atlántica
mexicana. Universidad Nacional Autónoma de México.
117
Capítulo 6 Conclusiones y Recomendaciones
La ocurrencia de eventos hidrometeorológicos extremos en el mundo se debe en mayor parte al
cambio climático que se ha intensificado y ocasiona un desequilibrio en la zona afectada. En
este trabajo se presentaron diversas metodologías para el estudio de eventos; en el caso de
México cabe detallar que son pocos los investigadores dedicados al estudio de huracanes en
México, la mayoría están concentrados en la UNAM y otros pocos en el Servicio Meteorológico
Nacional; para los eventos de inundaciones el análisis se enfoca a la cuantificación de los daños
económicos y materiales; estos se presentan generalmente en las zonas costeras por la
aparición de los huracanes, pero las inundaciones se han extendido al interior del país por
rebasar la capacidad de las obras hidráulicas o por la falta de ellas; el agua forma corrientes
que a su paso ocasionan deslaves e inundaciones en zonas marginales en las cuales la gente no
está prevenida.
En el caso de la precipitación y sequía los estudios van ligados, pues los métodos para su
estudio están basados en datos históricos para determinar con qué frecuencia se presentan
estos eventos y en qué zonas, a pesar de esto, el país no está preparado para afrontar los
problemas generados por estos eventos; en el caso de que se reduzca la precipitación en una
zona de producción agrícola se puede presentar una temporada de sequía que por falta de
disponibilidad de agua genera pérdidas económicas en este sector.
La distribución territorial es parte del problema ocasionado por el cambio climático, zonas que
antes eran productivas y con tierra fértil se han transformado en áreas anormalmente secas,
la población tiene que buscar reubicarse en otras zonas para no ser vulnerable y adaptarse a
los cambios.
Los estudios y métodos realizados por diversos autores coinciden en varios aspectos; uno de
ellos es la elaboración de mapas de riesgo; estos son de gran utilidad pues permiten ver las
zonas más afectadas, la concentración de la población y la extensión del problema para darse
una idea global del comportamiento de dichos fenómenos.
Los ingenieros civiles pueden contribuir a la planificación y valoración de riesgos, tomando en
cuenta los diferentes escenarios presentados en el país y con ayuda de las dependencias
encargadas de re-distribuir mejor las reservas para cuando se presenten emergencias y crisis
repentinas.
Para combatir o mitigar las sequías, una opción es adaptar un mecanismo de riego que desfogue
a las zonas áridas del país utilizando agua de re-uso o inclusive el agua del mar llevando a cabo
procesos de desalinización o algún tratamiento. O, como sugiere la CONAGUA, disminuir las
zonas de riego por inundación cambiando a formas de riego más eficientes como la metodología
de riego por goteo, donde se aprovecharía mejor el recurso.
118
En el caso de zonas rurales o propensas a riesgos de inundación con ayuda de los pluviógrafos
se puede medir la intensidad de la precipitación y con base en estudios anteriores hacer una
revisión de los niveles máximos alcanzados en la presencia de una inundación. Con estos datos
se puede informar y prevenir a la población, con un plan de apoyo económico reubicar las
viviendas en zonas más seguras o invertir en alguna obra de captación que tenga la capacidad de
almacenar el agua y evitar los desbordamientos.
En cuanto a recursos financieros para el apoyo a desastres naturales convendría hacer una
revisión detallada de cómo está actualmente la distribución de recursos y re asignarlos con
ayuda de los estudios realizados en el país, enfocarse en la zona y su mayor problema, de
manera que al presentarse una emergencia haya un recurso disponible al momento y no que el
estado afectado sufra mayores pérdidas por falta de apoyo del gobierno.
La población también puede contribuir a reducir el cambio climático tan drástico en el mundo,
creando una conciencia de lo que realmente causa estos cambios; por ejemplo, el manejar
adecuadamente materiales, sustancias o residuos peligrosos en las ciudades para evitar
derrames y contaminar; controlar el crecimiento urbano desordenado y los asentamientos en
orillas de barrancas o zonas cercanas a ríos; darle mejor mantenimiento a la infraestructura
urbana e industrial para evitar fallas.
La CONAGUA también contribuye a la planificación regional y subregional, pues al tener mapas
detallados de las cuencas y subcuencas, ayuda a observar el comportamiento de las aguas
superficiales que pueden convertirse en inundaciones o escurrimientos súbitos.
Protección civil es la encargada de elaborar planes y programas: una medida fue tener un
mayor control en la construcción de edificaciones que cumplan con requisitos mínimos de
resistencia a fenómenos naturales.
119
Referencias
1. Aparicio, F.J., 1997. Fundamentos de Hidrológica de Superficie, 6ta Reimpresión.
Limusa, S.A de C.V
2. Arcos Espinosa, G., S.B. Jiménez-Hernández, R Padilla-Hernández, 2010. Escurrimiento
medio anual y disponibilidad de agua en la vertiente del Golfo de México, p. 61-72. En:
E.Rivera Abbott, M., Refsgaard, J., 1996. Distributed Hydrological Modelling. Water
Science and Technology Library, vol. 22. Kluwer Academic Publishers
3. Arriaga, I. Azuz-Adeath, L. Alpuche Gual, y G.J. Villalobos Zapata (eds.) Cambio
Climático en México un Enfoque Costero- Marino. Universidad Autónoma de
Campeche.cetys-Universidad, Gobierno del Estado de Campeche. 944 p.
4. Bender, M., T. Knutson, R. Tuleya, J. Sirutis, G. Vecchi, S. Garner, y I. Held, 2010.
Modeled impact of anthropogenic warming on the frequency of intense Atlantic
hurricanes. Science,327, 454. DOI: 10.1126/science.1180568.
5. Campos, Aranda D. F., 1998. Procesos del Ciclo Hidrológico, 3ra Reimpresión.
Universidad Autónoma de San Luis Potosí; Facultad de Ingeniería; San Luis Potosí,
México; D.F.
6. Campos, Aranda D. F., 2007. Estimación y aprovechamiento del escurrimiento: Primera
edición, San Luis Potosí, S.L.P. isbn-970-95118-0-7 conagua, 2011. bandas, Banco
Nacional de Aguas Superficiales, conagua, Mexico.http://www.conagua.gob. mx
/CONAGUA07/Contenido /Documentos/Portada%20BANDAS.htm
7. Castanedo, S., 2000. Desarrollo de un modelo hidrodinámico tridimensional para el
estudio de la propagaciónde ondas largas en estuarios y zonas someras. Tesis Doctoral,
Escuela Técnica Superior de Ingenieros de Caminos, Canales y Puertos, Universidad de
Cantabria.
8. CENECAM, “Plan Estatal de Contingencias para fenómenos Hidrometeorológicos 2010”,
México: Gobierno del Estado de Campeche, 2010.
9. Domínguez. M. R., G. G. Esquivel, M. A. Baldemar, R.A. Mendoza, y J.M.L. Arganis, 2008.
Manual del modelo para pronóstico de escurrimiento., Serie manuales. ii- unam.
10. Domínguez, R., S.E. Palacio, 2010. Tormentas de diseño en el rio Grijalva. xxi Congreso
Nacional de Hidráulica. Octubre, 2010. esri, 2009. Programa Arcinfo versión 9.3. Flores
S, J., e I. Espejel, 1994. Etnoflora yucatanense: tipos de vegetación de la península de
Yucatán. Fascículo 3, uady, Mérida Yucatán, p. 73-83.
11. Acevedo F... Diaz-Peon Antonio Luna. Principales fenómenos meteorológicos que
afectaron el estado de Veracruz en el año 2005
12. Alcantara-Ayala I. Hazard assessment of rainfall-induced landsliding in Mexico.
Geomorphology 61, 2004, pp. 19–40.
13. Ayala Carcedo FJ. El sofisma de la imprevisibilidad de las inundaciónes y la
responsabilidad social de los expertos. Un análisis del caso español y sus
alternativas.Boletín de la Asociación de Geógrafos Españoles, ISSN 0212-9426, Nº. 33,
2002 , págs. 79-92
14. Bitrán Bitrán Daniel, Lorena Acosta Colsa, Héctor Eslava Morales, Carlos Gutiérrez
Martínez, Marco Antonio Salas Salinas, María Teresa Vázquez Conde. Impacto
120
socioeconómico de los principales desastres ocurridos en la república mexicana en el
año 2001.CENAPRED, 2002.
15. Bravo Lujano Cirilo e Ing. Hdz Unzón Alberto. Reseña del huracán “Jova” del Océano
Pacífico. Coordinación General del Servicio Meteorológico Nacional Gerencia de
Meteorología y Climatología. / Subgerencia de Pronóstico Meteorológico Temporada
2011 de Ciclones Tropicales.
16. Breña Puyol Agustín Felipe, Precipitación y Recursos Hidráulicos en México. Universidad
autónoma Metropolitana, 2006. Libro en línea:
http://www.uamenlinea.uam.mx/materiales/licenciatura/hidrologia/precipitacion/PRHM
04-libro.pdf
17. Centro Nacional de Prevención de Desastres, Sistema Nacional de Protección Civil. Guía
Básica para la elaboración de Atlas Estatales y Municipales de Peligros y Riesgos.
Fenómenos hidrometeorológicos. México, 2006, 140 pp
18. Centro Nacional de Prevención de Desastres. Secretaría de Gobernación. Ciclones
Tropicales. Serie Fascículos, México. 2007. http://www.cenapred.unam.mx/es/
Publicaciones/archivos/3112008Fasc._Ciclones_2007.pdf.
19. Centro Nacional de Prevención de Desastres, Características e impacto socioeconómico
de los principales desastres ocurridos en la República Mexicana en el año 2008.
Septiembre, 2009. 264 pp
20. CENAPRED,2011.http://www.cenapred.unam.mx/es/Investigacion/RHidrometeorológico
s/FenomenosMeteorológicos/Inundaciónes/
21. CONAGUA. Estadísticas del Agua en México, Edición 2007. CONAGUA-SEMARNAT,
Diciembre, 28-30.
22. CONAGUA.Inventario Nacional de Obras de Protección contra inundaciónes en cauces
naturales. Capítulo 2. Zonas inundables en México. CONAGUA 2008. 29-42.
23. CONAGUA.Análisis de las temporadas de huracanes de los años 2006, 2007 y 2008.
CONAGUA-SEMARNAT, 2009. 75- 258.
24. CONAGUA.Análisis de las temporadas de huracanes de los años 2006, 2007 y 2008.
CONAGUA-SEMARNAT, 2009, pp75- 258.
25. CONAGUA. Estadísticas del agua 2010. Capítulo 2 Situación de los recursos hídricos.
32-33.
26. CONAGUA, 2010. Atlas digital del agua México. http://www.conagua.gob.mx/atlas
27. Comisión Nacional del Agua. .Estadísticas del Agua en México, Edición 2011. CONAGUA-
SEMARNAT, Marzo. 185 pp.
28. CONAPO. La Situación demográfica de México 2002. Consejo Nacional de Población,
Secretaría de Gobernación, México 2003, 182 pp
29. CONAPO. La Situación demográfica de México 2006. Consejo Nacional de Población,
Secretaría de Gobernación, México, 2006
30. Cruz Flores P. Impacto Socioeconómico Del “Huracán Karl” Sobre Instalaciones De
Salud En Veracruz, México Con Una Población De 7 Millones 600 Mil Habitantes En
Septiembre Del Año 2010. Escuela De Medicina, Sta. Catarina Mártir. Cholula, México.
Abstracts – 17th World Congress on Disaster and Emergency Medicine. Prehospital and
Disaster Medicine Vol. 26, Supplement 1
121
31. Endfield, G. H., I. Fernández- Tejedo and S. L... O’Hara. Drought and disputes, deluge
and dearth: climatic variability and human response in colonial Oaxaca, Mexico. Journal
of Historical Geography 30, 2004, pp. 249–276.
32. Esquivel G., G. Prospectiva de la demanda de agua en México. Tesis de Maestría.
Posgrado de Ingeniería. Universidad Nacional Autónoma de México, 200, pp. 79.
33. Guha-Sapir D, Vos F, Below R, with Ponserre S. Annual Disaster Statistical Review
2010: The Numbers and Trends. Brussels: CRED; 2011.
http://www.cred.be/sites/default/files/ADSR_2010.pdf
34. Abbott, M., Refsgaard, J., 1996. Distributed Hydrological Modelling. Water Science
and Technology Library, vol. 22. Kluwer Academic Publishers
35. ARMC (2000). “Floodplain management in Australia. Best practice principles and
guidelines”, Australia: Agricultural and Resource Management Council of Australia and
New Zealand , SCARM Report 73, 105 pp.
36. Avelar, C.E. (2007), “Validación de un modelo para estimar pérdidas esperadas por
escenarios de huracán en México”, XVI Congreso Nacional de Ingeniería Sísmica,
Ixtapa-Zihuatanejo, Guerrero.
37. Batts ME, Cordes MR, Russell LR, Shaver JR, and Simiu E. Hurricane wind speeds in the
United States. J Str Div ASCE 1980;1000:2001±15.
38. Becker, A. y Serban, P. (1990) Hydrological models for water resources system design
and operation. Operational. Hydrol. Report 34, wmo, Geneva, Switzerland.
39. Belleudy, P. (2004). “Risques Hydro-météorologiques, crues et inondations / risque, aléa
et vulnérabilité”, DDS-TUE364- 9, Suiza.
40. Bethlahmy, N. 1977. Flood analysis by SMEMAX transformation. J. Hydraulics Division
103: 69-78.
41. Birkel, C. y S. Demuth. 2006. Drought in Costa Rica – Temporal and spatial variability,
trends and its relationship to atmospheric circulation. International conference on
FRIEND, Havana, Cuba, IAHS Red Book (aceptado).
42. Bobée, B., and F. Ashkar. 1991. Log–Pearson type 3 distribution. In: The Gamma Family
and Derived Distributions Applied in Hydrology. Water Resources Publications.
Littleton, Colorado, U.S.A. pp: 76–120.
43. Box, G.E.P., Cox, D.R., 1964. An analysis of transformations. Journal of the Royal
Statistical Society 26, 211–243 (Discussion 244–252).
44. Campos–Aranda D.F. Hidrosistemas Urbanos. Conceptos básicos, crecientes y planicies
de inundación. Ciencia y Desarrollo, (145):49–57. 1999.
45. Campos–Aranda D.F. Contraste de cinco métodos de ajuste de la distribución GVE en 31
registros históricos de eventos máximos anuales. Ingeniería Hidráulica en México, XVI(2):77–92. 2001.
46. Campos A., D. F. 2006. Análisis Probabilístico Univariado de Datos Hidrológicos. Avances
en Hidráulica 13. AMH–IMTA. México, D. F. 172 p.
47. Campos A., D. F. 2007. Parámetros hidrológicos de la cuenca. In: Estimación y
Aprovechamiento del Escurrimiento. Edición del autor. San Luis Potosí, S.L.P. pp: 41–50.
122
48. Campos–Aranda D.F. Calibración del método racional en ocho cuencas rurales menores
de 1,650 km2 de la Región Hidrológica No. 10 (Sinaloa), México. Agrociencia, 42(6):615–
627. 2008
49. Cavazos, T. and S. Hastenrath (1990), “Convection and rainfall over Mexico and their
modulation by the Southern Oscillation”, International Journal of Climatology, no. 10, pp. 377-386.
50. Cervantes–Sánchez O. y Landeros–Ortiz J.J. Curvas intensidad– duración–periodo de
retorno de las tormentas máximas registradas en Tacubaya, DF. XVIII Congreso
Nacional de Hidráulica, San Luis Potosí, SLP, 2004, pp. 479–486.
51. Chander S., Spolia S.K., Kumar A. Flood Frequency Analysis by Power Transformation.
Journal of the Hydraulics Division, 104(HY11):1495–1504, 1978.
52. Chander, S., S. K. Spolia, and A. Kumar. 1978. Flood frequency analysis by Power
Transformation. J. Hydraulics Division 104: 1495–1504.
53. Chen C–I. Rainfall Intensity–Duration–Frequency fórmulas Journal of the Hydraulics Engineering, 109(12):1603–1621, 1983
54. Chow, V.T.; Maidment, D. R. y Mays, L. W. (1994). Hidrología aplicada. McGraw-Hill,
Santa Fe de Bogotá, 584 pp.
55. Davison AC., Smith RL. Models for exceedances over high thresholds (with discussion).
J Roy Statist Soc B 1990;52:393±442.
56. Escalante S., C. 1999. Inferencia y pronóstico de eventos con base en la teoría de los
subconjuntos borrosos. Ing. Hidráulica en Méx. XIV: 5–17.
57. Gopalakrishnan, S.G., David P. Bacon, Nash.at N. Ahmad, Zafer Boybeyi, Thomas J.
Dunn, Mary S. Hall, Yi Jin, Pius C. S. Lee, Rangaro V. Madala, R.Ananthakrishna Sarma,
58. Haan L. Extreme value statistics. In Galambos J, Lechner J, Simiu E, editors. Extreme
value theory and applications, vol 1.The Netherlands: Dordrecht, 1994. p. 93-122
59. Hisdal, H., K. Stahl; L.M. Tallaksen y S. Demuth, S. 2001. Have streamflow droughts in
Europe become more severe or frequent? International Journal of Climatology, 21: 317-
333.
60. Huerta, B., Vega E. y Avelar C., (2006), “Caracterización del daño causado a estructuras
y contenidos por inundaciónes fluviales y costeras”. XV Congreso Nacional de Ingeniería
Estructural, Puerto Vallarta, Jalisco.
61. Huerta, B., Ordaz, M., Reinoso, E., Avelar F., Torres, M., Zeballos, A., Osuna, E.,
Martínez, I. y Hernández, G. (2007), “Sistema experto para la evaluación de pérdidas
por riesgos hidrometeorológicos en México”, XVI Congreso Nacional de Ingeniería
Sísmica, Ixtapa-Zihuatanejo, Guerrero.
62. IMTA (Instituto Mexicano de Tecnología del Agua). 2000. ERIC II: Extractor Rápido
de Información Climatológica 1920-1998. 1 CD. Comisión Nacional del Agua-Secretaría
de Medio Ambiente y Recursos Naturales-IMTA. Jiutepec, Morelos.
63. IMTA (Instituto Mexicano de Tecnología del Agua). 2003. Banco Nacional de Datos de
Aguas Superficiales (BANDAS). 8 CD. Secretaría de Medio Ambiente y Recursos
Naturales– Comisión Nacional del Agua–IMTA. Jiutepec, Morelos.
64. Janjic, Z.I., J. P. Gerrity Jr. and S. Nickovic, 2001: An Alternative Approach to
Nonhydrostatic Modeling. Monthly Weather Review: Vol. 129, No. 5, pp. 1164.1178.
123
65. Janjic, Z., 2003: A nonhydrostatic model based on a new approach. Meteorology and Atmosheric Physics, 82, 271- 285.
66. Kendall, M.G. 1975. Rank Correlation Methods, Charles Griffin, London.
67. Kite G.W. Frequency and Risk Analyses in Hydrology. Chapter 12: Comparison of
frequency distributions. Colorado, USA. Water Resources Publications. Fort Collins.
1977. Pp. 156–168.
68. Knutson, T.R. and R.E. Tuleya, 2004: Impact of CO2- Induced Warming on Simulated
Hurricane Intensity and Precipitation: Sensitivity to the Choice of Climate Model and
Convective Parameterization. Journal of Climate: Vol.
17, No. 18, pp. 3477.3495.
69. Lizano, O.G. 1990. Modelo de viento ajustado a un modelo de generación de olas para el
pronostico durante huracanes. Revista Geofisica (33), 75-103.
70. Lizano, O.G. 1988. Modelo de predicción de olas generadas por huracanes en el Mar
Caribe. Tesis doctorado, Universidad de Puerto Rico, Mayaguez, 126pags.
71. Lizano O.G. y Fernández W. 1996. Algunas características de las tormentas tropicales y
de los huracanes que atravesaron o se formaron en el Caribe adyacente a Cota Rica
durante el periodo 1886-1988. Top Meteor. Oceanogr., 3(1); 3-10.
72. Mann, H.B. 1945. Nonparametric Tests against Trend. Econometrica 13, 245-259.
73. Mark D. Turner, and Tim Wait, 2002: An Operational Multi-Scale Atmospheric Model
with Grid Adaptivity for Hurricane Forecasting. Monthly Weather Review, Vol. 130, No.
7, pp. 1830-1847.
74. Martín-Vide, J. P.; López-Querol, S.; Martín-Moreta, P.; Simarro-Grande, G. y Benito-
Fernández, G. (2003). Uso de modelos uni y bidimensionales en llanuras de inundación.
Aplicación al caso del rio Tajo en Talavera de la Reina. Ingeniería del agua. 10:49-58.
75. Méndez-González, J., J. J. Návar y O.V. González (2008), “Análisis de tendencias de la
precipitación (1920-2004) en México”, Investigaciones Geográficas,
Boletín, núm. 65, Instituto de Geografía, UNAM, México, pp. 38-55.
76. Miranda, E. (1999), “Approximate seismic lateral deformation demands on multistory
buildings”, Journal of Structural Engineering, 125(4), 417-425.
77. NDBC (2011). “Datos de características del oleaje”. National Data Buoy Center (NDBC),
consultado el 14 de diciembre 2011, disponible en: http://www.ndbc.noaa.gov.html.
78. NOAA-CIRES Climate Diagnostics Center (2004), Document maintained by Klaus
Wolter (klaus.wolter@ noaa.gov), update: April 19, 14:43:11 MDT [http://
www.cdc.noaa.gov/ENSO/enso.mei_index.html].
79. PALMER, W. 1965. Meteorological drought. US: Weather Bureau, Reserch Paper Nº 45,
Washington.
80. Pavia, E. G. and A. Badana (1998), “ENSO modulates rainfall in the Mediterranean
California”, Geophysical Research Letters, no. 25, pp. 3855-3858.
81. RAVELO, A. y HERRERO, C. 1999. PDIWIN v1.0. Centro de Relevamiento y Evaluación
de Recursos Agrícolas y Naturales
82. Resio, D.t. 1981. The estimation of wind-wave generation in a discrete spectral model. J
of Phys Oceanog. 11, 510-525.
124
83. Russell LR. Probability distributions for hurricane e€ects. J Waterways Harbours and
Coastal Eng Div ASCE 1971;97(WW2):130±54.
84. Russo, B., Gómez, M. and Macchione, F. (2011). “Experimental approach to determine
flood hazard criteria in urban areas”, 12th International Conference on Urban Drainage,
Porto Alegre, Brazil.
85. Sánchez, L. y Méndez, L. (2009). “Modelo de elevación digital e informatización del
sistema de drenaje mayor y menor de la zona oeste de la ciudad de Santa Ana de Coro,
Falcón.”, Trabajo de Investigación, UNEFM, Coro, Venezuela, 230 pp.
86. Sánchez, L. (2011) . "Un nuevo enfoque del método de ponderación mixta en la
determinación de la peligrosidad a las inundaciónes pluviales en una cuenca urbana",
Centro de Investigaciones en Recursos Hídricos (CIDRHI), UNEFM, reporte 01-2011,
Coro, Falcón, Venezuela.
87. Schaefli, B., Hingray, B., Musy, A., 2004. Improved calibration of hydrological models:
use of a multi-objective evolutionary algorithm for parameter and model structure
uncertainty estimation. Hydrology: Science and Practice for the 21st Century, pp. 1.
88. Secretaría de Agricultura y Recursos Hidráulicos (SARH). Boletín Climatológico No. 3. Región Hidrológica No. 37. El Salado, Subsecretaría de Planeación. México, DF. 1980a.
89. Secretaría de Agricultura y Recursos Hidráulicos (SARH). Boletín Climatológico No. 4. Región Hidrológica No. 36. Nazas–Aguanaval, Subsecretaría de Planeación. México, DF.
1980b.
90. Secretaría de Agricultura y Recursos Hidráulicos (SARH). Boletín Climatológico No. 5. Región Hidrológica No. 26. Pánuco, Tomos I y II, Subsecretaría de Planeación. México,
DF. 1982.
91. Secretaría de Agricultura y Recursos Hidráulicos (SARH) Boletín Climatológico No. 6. Regiones Hidrológicas No. 24 Oriente (Bajo Rio Bravo) y No. 25 Golfo Norte (San
Fernando–Soto La Marina), Subsecretaría de Planeación. México, DF. 1983.
92. Secretaría de Comunicaciones y Transportes (SCT). Isoyetas de Intensidad–Duración
Frecuencia. República Mexicana. Subsecretaría de Infraestructura. México, DF. 1990.
495 p.
93. Simiu E, Scanlan RH. Wind e€ects on structures. 3rd ed. New York:Wiley Interscience,
1996.
94. Smith RL. Extreme value theory. In Lederman W, Lloyd E, Vajda S, Alexander C,
editors. Handbook of applicable mathematics. New York:John Wiley & Sons,1989. p.
437±472.
95. SRH (Secretaría de Recursos Hidráulicos). 1975. Actualización al Boletín Hidrológico
No. 36. Tomo VI, periodo 1970–73. Subsecretaría de Planeación de la S.R.H. México, D.
F.
96. Stedinger, J. R., R. M. Vogel, and E. Foufoula–Georgiou. 1993. Frequency analysis of
extreme events. In: Maidment D. R. (ed). Handbook of Hydrology. McGraw-Hill, Inc.
New York, U.S.A. pp: 18.1-18.66
125
97. Tallaksen, L.M. y H. Hisdal. 1997. Regional analysis of extreme streamflow drought
durationand deficit volume. Proceedings of the 3rd International conference on
FRIEND, 1-4 Oct. 1997, Postojna, Slovenia, IAHS Publ., 246, 141-150.
98. Témez P., J. R. 1991. Generalización y mejora del método racional. Versión de la
Dirección General de Carreteras de España. Ingeniería Civil 82: 51–56.
99. Torres, M.A., Avelar, C.E. y Huerta, B. (2007), “Evaluación del riesgo por inundaciónes
debidas a tormentas”, XVI Congreso Nacional de Ingeniería Sísmica, Ixtapa-
Zihuatanejo, Guerrero
100. Triviño, A. P. y Ortiz, S. R. (2004). Metodología para la modelación distribuida de la
escorrentía superficial y la delimitación de zonas inundables en ramblas y rios
rambla mediterráneos. Investigaciones geográficas. 35:67-83.
101. Vickery PJ, Twisdale LA. Prediction of hurricane windspeeds in the US. J Struct Eng
1995;121:1691±9.
102. WELLS, N. 2003. Documentation of the original and self-calibrating Palmer Drought
Severity Index used in the Nat. Agr. Decision Support System. Univ. of Nebraska,
Lincoln.
103. Willems, P., 2007. River modelling, Adapted version 2007 of the ‘‘General
Methodology for River Flood Modelling’’ for the Administration of Waterways and Sea –
Department Flanders Hydraulics and Hydrological Research. Katholieke Universiteit
Leuven Hydraulics Laboratory, Heverlee, BE (in Dutch).
104. Willems, P., 2009. A time series tool to support the multi-criteria performance
evaluation of rainfall–runoff models. Environmental Modelling and Software 24 (3).
105. Willoughby, H.E. and Rahn, M.E. (2004). “Parametric Representation of the Primary
Hurricane Vortex. Part I: Observations and Evaluation of the Holland (1980) Model”.
Monthly weather review, American Meteorological Society, volumen 132, dec. 2004.
106. Yang, J., Reichart, P., Abbaspour, K.C., Yang, H., 2007. Hydrological modelling of the
Chaohe Basin in China: statistical model fórmulation and Bayesian inference.
Journal of Hydrology 340 (3), 167–182.
107. Zelenhasic, E. y A. Salvai. 1987. A method of streamflow drought analysis. Water
Resour. Res. (23, 1), pp. 156-168.
108. Zonensein, J.; Miguez, M.G.; De Magalhães, L.P.C. and Valentin, M.G. (2008). “Flood
risk index as an urban management tool”, 11th International Conference on Urban
Drainage, Edinburgh, Scotland, UK.
109. Hastenrath, Stefan, Dierk Polzin, Charles Mutai: Diagnosing the 2005 drought in
equatorial east Africa. J. Climate, 20,2007, pp. 4628–4637.
110. Held I.M., Delworth T.L., Lu J ,Findell K.L., and Knutson T.R. .Simulación de la sequía
de Sahel en el vigésimo y siglo XXI - llevado a cabo y otros. 102 (50): 17891 -
Procedimientos de la National Academy of Sciences. October 17, 2005.
111. IMTA. 2001. Página del Instituto Mexicano de Tecnología del Agua.
http://www.imta.gob.mx/
112. Instituto Nacional de Ecología y Secretaría de Medio Ambiente y Recursos
Naturales, México. , INE-SEMARNAT. Cuarta comunicación nacional ante la convención
126
marco de las naciones unidas sobre el cambio climático, México lo gris ponerlo en las
referencias completas abajo, 2009.
113. IPCC. Climate change 2007: synthesis report summary for policymakers. Assessment
of Working groups I, II and III to the Third Assessment Report of the International
Panel on Climate Change. Cambridge: Cambridge University Press, 2007.
114. Jiménez, B., Torregrosa, M.L, Aboitez A, L.. El Agua en México: Cauces y Encauces.
CONAGUA-Academia Mexicana de Ciencias, 2010, pp. 702.
115. Luja, V. H., R. Rodríguez-Estrella. 2010. Are tropical cyclones sources of natural
selection? Observations on the abundance and behavior of frogs affected by extreme
climatic events in the Baja California Peninsula, Mexico. Journal of Arid Environments
74, 2010, pp.1345-1347.
116. Magaña, V. y C. Neri. Eventos Hidrometeorológicos Extremos en el Valle de México.
Publicado en Revista Ciudades. Num. 74, 2007, pp. 26-30.
117. Mapping the impacts of natural hazards and technological accidents in europe — An
overview of the last decadeEuropean Environment Agency. 2010. 25-32.
118. Murcia H. Fermano y Macía José Luis. Registro geológico de inundaciónes recurrentes
e inundación del 4 de octubre de 2005 en la ciudad de Tapachula, Chiapas, México.
119. Ollero Alfredo. Channel changes and floodplain management in the meandering middle
Ebro River, Spain GeomorphologyVolume 117, Issues 3–4, 1 May 2010, Pages 247–260
120. ONU. Agua para todos, agua para la vida: Informe de las Naciones Unidas sobre el
desarrollo de los recursos hídricos en el mundo. ONU. NY: UNESCO, Berghahn Books,
2003.
121. Ortiz Gómez, R., Zúñiga Alvarado C., Barragán Barrios C., Wagner Gómez, A.I.
(2010). Análisis de la red de estaciones climatológicas de la República Mexicana.
Memorias del Congreso Nacional de Hidráulica, AMH, Guadalajara, Jal., octubre del
2010.
122. Ovalles, F., A. Cortez, M. Rodríguez, J. Rey y E. Cabrera-Bisbal. Variación geográfica
del impacto del cambio climático en el sector agrícola en Venezuela. Agronomía Tropical
58(1), 2008, pp. 37-40.
123. Paredes, Franklin y Guevara, Edilberto. Desarrollo y evaluación de un modelo para
predecir sequías meteorológicas en los Llanos de Venezuela. Bioagro, abr. 2010, vol.22,
no.1, p.03-10. ISSN 1316-3361
124. Pérez, J. B. Pronóstico Numérico del tiempo para el Valle de México. Tesis de
Maestría. Centro de Ciencias de la Atmósfera. UNAM, 2004. 70 pp.
125. Comisión Nacional del Agua. Banco nacional de datos de aguas superficiales (bandas).
consulta de datos hidrométricos, de sedimentos y vasos
http://www.conagua.gob.mx/CONAGUA07/Contenido/Documentos/Portada%20BANDA
S.htm
126. Comisión Nacional del Agua 2010. http://www.conagua.gob.mx/
127. Comisión Nacional del agua. CONAGUA 2011. Disponible
en:http://www.conagua.gob.mx/ocpy/ Contenido.aspx?id=dd1e336c-9afa-4afd-aae0-
ffe2582d6a58%7CSeguimiento %20Huracanes%7C0% 7C24% 7C0% 7C0%7C0
127
128. Instituto Mexicano de tecnología del agua
http://www.imta.gob.mx/index.php?Itemid=145&option=com_wrapper&view=wrapper
129. Inventario Nacional de Obras de protección contra inundaciónes en cauces naturales.
CONAGUA 2010. http://sgh.conagua.gob.mx/
130. Miranda Alonso S, Benítez Pensado V., Flores Zamudio R. Una herramienta para el
manejo de los datos climatológicos del país. IMTA 2003.
131. Perevochtchikova María, Simposio: Desarrollo de las estadísticas del medio ambiente;
fuentes, alcances y usos. Centro de Estudios Demográficos Urbanos y Ambientales.
Octubre 2008.
132. Proyecto de Modernización del Servicio Meteorológico Nacional de México Diagnóstico
Institucional y Plan Estratégico de Desarrollo 2010-2019 Consultoría realizada con la
asistencia técnica de la OMM. (octubre 2009-enero 2010)
133. Salinas V.M. Actualización y manejo de la base de datos de precipitación y
temperatura para el estado de Michoacán, Universidad Michoacana de San Nicolás de
Hidalgo. Tesis, 1998.
134. Servicio Meteorológico Nacional. Información sinóptica de los observatorios
http://smn.conagua.gob.mx/index.php?option=com_content&view=article&id=22&Itemid
=90. 2012
135. Servicio Meteorológico Nacional http://smn.conagua.gob.mx/emas/
136. Vázquez Aguirre J.L. Datos climáticos de la República Mexicana: panorama actual y
requerimiento inmediato. Primer foro del medio ambiente atmosférico en el estado de
Veracruz, Febrero 2006.
137. Servicio Meteorológico Nacional de Honduras, 2012.
http://www.smn.gob.hn/web/glosario
138. Solomon, S., Qin, D., Manning, M., Alley, R. B., Berntsen, T., Bindoff, N. L., & Chen,
Z.Technical summary. In Climate Change 2007: The Physical Science Basis. Contribution
ofWorking Group 1 to the Fourth Assessment Report of the Intergovernmental Panel
onClimate Change. Cambridge: University Press, 2007
139. Soto Montes de Oca, Gloria, Herrera Pantoja Marina. Estudio sobre el impacto del
cambio climático en el servicio de abasto de agua de la Zona Metropolitana de la Ciudad
de México. Agosto 2009. http://www.cvcccm-atmosfera.unam.mx/cvcccm/proyectos/
Agua_Soto _abast_cc_RepFinal.pdf
140. Tong J. , Zhang Qiang , Zhu Deming ,Wu Yijin . Yangtze floods and droughts (China)
and teleconnections with ENSO activities (1470–2003).Quaternary International.144
(1). February 2006, 29–37.
141. García, E., R. Vidal, y M.E. Hernández, 1989. Las regiones climáticas de México. En A.
García de Fuentes, A(ed). Atlas Nacional de México, Instituto de Geografía, unam.
142. INEGI, “Resultados Definitivos del Censo de Población y Vivienda del Estado de
Campeche” http://www.inegi.org.mx/default.aspx
143. INEGI, 2010. Uso de Suelo y Vegetación Serie II, Clave E1601, 1:250,000,
formato *.shp.http://mapserver.inegi.gob.mx/geografia/espanol/datosgeogra/basicos/
hidrología /rios/ regiones_hidrologicas.cfm?c=519.
128
144. IPCC, 2007. Cambio climático 2007: Informe de síntesis. Contribución de los Grupos
de trabajo I, II y III al Cuarto Informe de evaluación del Grupo Intergubernamental
de Expertos sobre el CambioClimático ipcc, Ginebra, Suiza, 104 p.
145. Jiménez, E. M., et al. Manual de Operación de los programas AX.EXE, CENAPRED,
México, 1997
146. Ruiz, G., Mendoza, E., Silva, R., Posada, G., Pérez, D., Rivillas, G., Escalante, y E., Ruíz,
F., 2008. Caracterización del régimen de oleaje y viento de 1948-2007 en el litoral
mexicano. Revista de Ingeniería del Agua, 16(1).
147. Ruiz, G., Vega, B.E., Posada, G., Silva, R., Nava, J. C "Implementación de Red
Mareográfica en el Litoral del Estado de Campeche", 2010, p 27-48. Jaina, vol. 21, No 1,
enero-junio. 2010. ISSN 0188 – 4700, CENAPRED 2006
148. Posada. G., Silva, R., Medina, R. (2008), “Modelo numérico tridimensional para
transporte de un contaminante conservativo”, Revista Ingeniería Hidráulica en México,.
Vol. XXIII, núm. 1, II Época, enero-marzo de 2008 pp. 5-19. ISSN-0186-4076
149. Posada, G., Vega, B.E, Ruíz, G., Silva, R., Nava, J.C., Pulido, Y. (2010), "Sistema de Medición de Niveles de Mar y Temperatura en el Estado de Campeche, México ", XXIV
Congreso Latinoamericano de Hidráulica, Punta del Este, Uruguay. (Artículo aceptado).
150. Ruiz, G. et. al. (2008), “Análisis extremal en Atlas del clima marítimo de aguas
litorales mexicanas”, Revista Ingeniería Hidráulica en México.
151. Silva, R., (2005) Análisis y descripción estadística del oleaje, Serie Docencia
Instituto de Ingeniería UNAM, ISBN 970-32-0710-3. Septiembre.
152. Silva, R., et. al., 2008. Atlas Oceanográfico de clima marítimo de la vertiente
Atlántica mexicana. Universidad Nacional Autónoma de México.
129
ANEXO 1
Correlación entre porcentajes de sequía y precipitación a nivel nacional
Se realizó una captura de datos de los porcentajes mensuales de sequía a nivel nacional
abarcando el periodo 2003-2011 (datos disponibles); se obtuvo un promedio anual presentado
en la tabla 1.
Tabla 1. Promedio anual de porcentajes de sequías en la República Mexicana
Lo mismo se hizo en el caso de las precipitaciones obteniendo los promedios anuales del mismo
periodo (2003-2011) considerando todos los estados de la República Mexicana. Tabla 2
Promedio anual de sequias
D0 a D4 D1 a D4 D2 a D4 D3 a D4 D4
2011 75.99 61.25 45.74 27.31 7.34
2010 26.77 14.16 7.41 1.85 0.00
2009 53.84 26.94 9.59 1.58 0.14
2008 52.97 30.73 9.73 1.93 0.15
2007 47.30 28.04 12.28 3.37 0.09
2006 62.13 38.51 19.61 7.95 2.42
2005 29.30 8.28 0.53 0.01 0.00
2004 24.25 7.12 1.71 0.66 0.14
2003 46.51 23.76 10.87 3.14 0.66
Promedio Anual de precipitaciones
Sonora Chihuahua Coahuila Durango Zacatecas S.L.P
2011.00 30.01 21.71 14.67 20.47 26.21 76.86
2010.00 37.75 39.18 49.33 46.61 42.42 113.33
2009.00 37.08 39.08 27.57 43.28 40.63 79.25
2008.00 38.15 45.84 38.25 53.55 48.37 114.61
2007.00 36.28 40.63 43.53 33.30 36.68 103.13
2006.00 29.91 50.58 26.73 48.49 37.95 60.00
2005.00 24.89 38.54 39.26 31.15 34.54 67.37
2004.00 47.81 62.12 49.49 53.73 57.40 67.57
2003.00 26.62 31.23 40.98 36.38 45.52 72.98
Promedio Anual de precipitaciones
Aguascalientes Baja California Baja Calif Sur Campeche Colima Chiapas
2010.00 21.48 17.23 5.78 98.41 113.94 198.47
2011.00 41.09 24.78 9.11 118.77 100.07 227.53
2008.00 34.58 9.62 18.80 94.46 71.70 162.76
2006.00 54.74 13.43 15.83 130.00 77.76 196.24
2007.00 45.60 9.91 15.15 104.39 76.74 184.33
2005.00 54.59 9.21 25.83 127.79 91.90 196.18
2009.00 42.44 15.38 10.91 149.20 60.51 182.49
2003.00 59.28 29.79 16.94 102.10 81.50 142.85
2004.00 47.27 16.54 26.89 142.07 73.09 161.30
130
Tabla 2. Promedio anual de precipitaciones a nivel nacional.
Promedio Anual de precipitaciones
D.F Guanajuato Guerrero Hidalgo Jalisco México
2011.00 65.22 31.56 99.53 58.76 50.19 54.80
2010.00 58.16 66.48 126.75 78.23 78.36 67.48
2009.00 59.43 51.93 82.59 65.87 58.64 60.48
2008.00 61.74 61.07 106.03 66.96 72.40 56.63
2007.00 66.43 63.86 98.86 73.56 72.15 72.56
2006.00 73.49 64.99 107.89 57.93 74.29 59.93
2005.00 53.78 42.50 92.34 57.91 55.33 45.76
2004.00 60.73 73.16 95.35 52.43 87.46 62.58
2003.00 64.00 76.78 86.76 52.00 61.33 59.00
Promedio Anual de precipitaciones
Michoacan Morelos Nayarit Nuevo Leon Oaxaca Puebla
2008.00 57.48 80.63 94.10 31.91 115.72 106.67
2005.00 90.53 100.58 137.48 102.60 161.68 113.76
2007.00 63.80 85.97 106.77 40.26 105.64 103.03
2006.00 68.73 85.23 129.22 68.68 134.19 116.33
2003.00 66.16 67.24 92.96 57.91 101.07 112.01
2009.00 74.17 73.93 83.50 51.19 105.85 101.82
2011.00 57.43 59.52 101.29 76.60 134.86 104.49
2010.00 76.38 100.63 119.58 69.18 111.72 108.54
2004.00 72.69 91.63 87.41 63.69 122.23 133.00
Promedio Anual de precipitaciones
Queretaro Quintana Roo Sinaloa Tabasco Tamaulipas Tlaxcala
2009.00 31.03 123.03 49.61 208.04 50.28 60.28
2005.00 59.76 125.32 49.70 213.49 84.27 69.09
2008.00 40.83 91.73 46.76 142.89 52.97 54.60
2003.00 53.48 100.83 61.49 218.11 87.25 56.65
2010.00 52.88 104.35 55.74 212.63 81.64 60.10
2006.00 49.18 94.33 60.98 223.02 55.85 73.00
2011.00 36.25 121.38 44.63 169.67 61.57 56.45
2007.00 58.20 90.59 72.68 163.68 64.42 58.87
2004.00 66.94 129.38 44.24 173.01 72.82 51.43
Promedio Anual de precipitaciones
Veracruz Yucatán
2010.00 129.46 81.07
2011.00 149.26 89.30
2005.00 116.11 63.31
2007.00 131.16 74.94
2009.00 124.49 93.12
2003.00 137.85 74.27
2006.00 152.51 92.29
2004.00 123.59 86.58
2008.00 139.55 70.96
131
Para el caso de la sequía se ordenaron los datos de mayor a menor. Con la Formula de Weibull
se calculó el periodo de retorno y se dibujó en escala Gumbel la función de distribución
empírica histórica.
D0 Anormalmente seco D2 Sequía Severa D4 Sequía excepcional
D1 Sequía Moderada D3 Sequía Extrema
En el caso de las precipitaciones también se ordenaron los datos y se hizo el mismo
procedimiento utilizando Weibull y Gumbel.
Se hizo el dibujo comparando las funciones de distribución para cada estado vs la de las
sequías a nivel nacional de la columna D3-D4. Figura 1 (Sonora)
Promedio anual de sequías
No. D0 a D4 D1 a D4 D2 a D4 D3 a D4 D4 Tr Escala Gumbel
1 75.99 61.25 45.74 27.31 7.34 10 2.2504
2 62.13 38.51 19.61 7.95 2.42 5 1.4999
3 53.84 30.73 12.28 3.37 0.66 3.333333 1.0309
4 52.97 28.04 10.87 3.14 0.15 2.5 0.6717
5 47.30 26.94 9.73 1.93 0.14 2 0.3665
6 46.51 23.76 9.59 1.85 0.14 1.666667 0.0874
7 29.30 14.16 7.41 1.58 0.09 1.428571 -0.1856
8 26.77 8.28 1.71 0.66 0.00 1.25 -0.4759
9 24.25 7.12 0.53 0.01 0.00 1.111111 -0.8340
Promedio Anual de precipitaciones
No. Sonora Chihuahua Coahuila Durango Zacatecas S.L.P Tr Escala Gumbel
1 47.81 62.12 49.49 53.73 57.40 114.61 10.000 2.2504
2 38.15 50.58 49.33 53.55 48.37 113.33 5.000 1.4999
3 37.75 45.84 43.53 48.49 45.52 103.12 3.333 1.0309
4 37.08 40.60 40.98 46.61 42.42 79.25 2.500 0.6717
5 36.28 39.17 39.26 43.28 40.63 76.86 2.000 0.3665
6 30.01 39.08 38.25 36.38 37.95 72.98 1.667 0.0874
7 29.91 38.54 27.57 33.30 36.68 67.57 1.429 -0.1856
8 26.62 31.23 26.73 31.15 34.54 67.37 1.250 -0.4759
9 24.89 21.71 14.67 20.47 26.21 60.00 1.111 -0.8340
132
El valor promedio de sequías D3 a D4 para un periodo de retorno de 10 años
corresponden a valores de precipitación media anual de 30.01 mm, que tienen un
periodo de retorno de 1.67 años mientras que el valor de la precipitación para un
periodo de retorno de 10 años es mayor (47.81 mm)
Con datos ordenados:
0.00
10.00
20.00
30.00
40.00
50.00
60.00
0.00
5.00
10.00
15.00
20.00
25.00
30.00
-1.0000 0.0000 1.0000 2.0000 3.0000
D3
a D
4
-ln (ln(Tr/(Tr-1)))
Media anual sequía D3 a D4 nacional
Precipitación promedio anual sonora
y = 0.6901x + 30.611 R² = 0.6879
r=0.8294
0.00
10.00
20.00
30.00
40.00
50.00
60.00
0.00 5.00 10.00 15.00 20.00 25.00 30.00
Pr
ec
pit
ac
ión
pr
om
ed
io a
nu
al
So
no
ra
, m
m
Promedio anual sequías D3 a D4
Series2
Lineal (Series2)
133
Se observa una cierta correlación entre las funciones de distribución empíricas de los
promedios de sequías D3 a D4 con los valores de la precipitación promedio anual en el
estado de Sonora.
Por otro lado, se compararon directamente los datos año con año y sin ordenar.
Mientras que la relación del promedio anual de sequías D3 a D4 con respecto a la
precipitación media anual da correlaciones bajas al comparar con un comportamiento
lineal, al aumentar el promedio anual de sequías D3 a D4no parece disminuir mucho el
valor de la precipitación por lo que no se puede decir que una precipitación media anual
baja implique la ocurrencia de una sequía D3 a D4
Se obtuvieron los valores R1 y R2 para cada estado y con ArcView se realizaron los
mapas respectivos a cada caso.
y = -0.2411x + 35.557 R² = 0.084 r=0.2898
0.00
10.00
20.00
30.00
40.00
50.00
60.00
0.00 5.00 10.00 15.00 20.00 25.00 30.00
Pr
ec
pit
ac
ión
pr
om
ed
io a
nu
al
So
no
ra
,
mm
Promedio anual sequías D3 a D4
Series2
Lineal (Series2)
134
ESTADOS R1 R2
AGUASCALIENTES 0.642339474 0.668281378
BAJA CALIFORNIA 0.872410454 0.08
BAJA CALIFORNIA SUR 0.755049667 0.379209705
CAMPECHE 0.752263252 0.350570963
COAHUILA 0.60149813 0.78612976
COLIMA 0.859069264 0.774080099
CHIAPAS 0.784920378 0.281780056
CHIHUAHUA 0.832766474 0.594978991
D.F 0.855628424 0.418330013
DURANGO 0.620725382 0.628887907
GUANAJUATO 0.624899992 0.619677335
GUERRERO 0.892692556 0.06244998
HIDALGO 0.810246876 0.166132477
JALISCO 0.761248974 0.492036584
México 0.77923039 0.172046505
MICHOACAN 0.875442745 0.380394532
MORELOS 0.664981203 0.104403065
NAYARIT 0.795298686 0.371079506
NUEVO LEON 0.85 0.616035713
OAXACA 0.89509776 0.21
PUEBLA 0.949526198 0.184390889
QUERETARO 0.704627561 0.545068803
Q. ROO 0.663927707 0.269814751
S. LUIS P. 0.736478106 0.179443584
SINALOA 0.864118047 0.123693169
SONORA 0.829397372 0.289827535
TABASCO 0.574108004 0.352420204
TAMAULIPAS 0.697782201 0.490713766
TLAXCALA 0.865794433 0.175499288
VERACRUZ 0.764002618 0.132287566
Yucatán 0.636631762 0.064031242
ZACATECAS 0.827647268 0.664605146
135
Se presentan los estados por intervalos de correlaciones con respeto a las sequías:
Mapa R1
Mapa R2
136
Tabla de resultados R1
En los estados de Puebla, Oaxaca, Guerrero, Michoacán, Baja California, Tlaxcala, Sinaloa,
Colima, D.F y Nuevo León se observan las más altas correlaciones entre el promedio anual del
porcentaje de sequías D3 a D4
En Aguascalientes, Yucatán, Guanajuato, Durango, Coahuila y Tabasco se obtuvieron bajas
correlaciones, es decir en esos sitios hay precipitaciones en general bajas ocurra o no un
evento de sequia D3-D4
Tabla de resultados R2
En Coahuila, colima, Aguascalientes, Zacatecas, Durango, Guanajuato, Nuevo León, Chihuahua y
Querétaro se presentan las mayores correlaciones en el caso de comparación de año con año.
En Baja California, Yucatán y Guerrero se observan las más bajas correlaciones para el caso de
comparación de año con año.
0.95-0.833 0.833-0.779 0.779-0.705 0.705-0.637 0.637-0.564
PUEBLA CHIHUAHUA México QUERETARO AGUASCALIENTES
OAXACA SONORA VERACRUZ TAMAULIPAS Yucatán
GUERRERO ZACATECAS JALISCO MORELOS GUANAJUATO
MICHOACAN HIDALGO BAJA CALIFORNIA SUR Q. ROO DURANGO
BAJA CALIFORNIA NAYARIT CAMPECHE COAHUILA
TLAXCALA CHIAPAS S. LUIS P. TABASCO
SINALOA
COLIMA
D.F
NUEVO LEON
0.786-0.492 0.492-0.29 0.29-0.21 0.21-0.104 .104-0.0
COAHUILA JALISCO CHIAPAS PUEBLA BAJA CALIFORNIA
COLIMA TAMAULIPAS Q. ROO S. LUIS P. Yucatán
AGUASCALIENTES D.F OAXACA TLAXCALA GUERRERO
ZACATECAS MICHOACAN México
DURANGO B. CALIFORNIA SUR HIDALGO
GUANAJUATO NAYARIT VERACRUZ
NUEVO LEON TABASCO SINALOA
CHIHUAHUA CAMPECHE MORELOS
QUERETARO SONORA
